到達目標
1.Pythonの文法について理解し、利用できる。
2.Pythonの標準ライブラリについて理解し、利用できる。
3.データベースについて理解し、利用できる。
4.機械学習について理解し、利用できる。
5.ディープニューラルネットワークについて理解し、利用できる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
到達目標
項目1,2 | Pythonを利用できる。 | 基本的なpythonを利用ができる。 | Pythonを利用できない。 |
到達目標
項目3 | データベースを利用できる。 | 基本的なデータベースを利用ができる。 | データベースを利用できない。 |
到達目標
項目4,5 | 人工知能を利用できる。 | 基本的な人工知能を利用ができる。 | 人工知能を利用できない。 |
学科の到達目標項目との関係
本科学習目標 1
説明
閉じる
本科学習目標 2
説明
閉じる
創造工学プログラム A1
説明
閉じる
創造工学プログラム B2専門(電気電子工学)
説明
閉じる
教育方法等
概要:
人工知能、データベースについての理解を深めるためにpythonによるプログラミングを学ぶ必要がある。本稿では、pythonによるプログラミングを学び、人工知能、データベースを利用する技術を身に着ける。また、演習において、実際のデータに適用し、ものづくりや問題解決の能力を修得することを目的とする。
授業の進め方・方法:
【事前事後学習など】
到達目標の達成度を確認するため、講義内に行った演習問題を提出してもらうことがある。
知識の確実な定着のために、随時与える課題は、期限までに必ず提出すること。
【MCC対応】Ⅳ-C 情報リテラシー(情報の基礎、アルゴリズム)、情報対応教育科目
注意点:
【評価方法・評価基準】
前期中間試験、前期末試験、後期中間試験、学年末試験を実施する。
前期末:前期中間試験(40%)、前期末試験(40%)、前期演習課題(20%)
学年末:後期中間試験(40%)、学年末試験(40%)、後期演習課題(20%)で後期のみの成績を算出し、前期と後期の成績の相加平均とする。
成績の評価基準として60点以上を合格とする。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
Pythonとは |
Pythonの特徴について説明できる
|
2週 |
Pythonの基本文法1 |
Pythonの基本文法について説明できる
|
3週 |
Pythonの基本文法2 |
Pythonの基本文法について説明できる
|
4週 |
Pythonの基本文法3 |
Pythonの基本文法について説明できる
|
5週 |
Pythonの制御構文1 |
Pythonの制御構文について説明できる
|
6週 |
Pythonの制御構文2 |
Pythonの制御構文について説明できる
|
7週 |
Pythonの制御構文3 |
Pythonの制御構文について説明できる
|
8週 |
Pythonの関数定義と変数スコープ1 |
Pythonの関数定義と変数スコープについて説明できる
|
2ndQ |
9週 |
Pythonの関数定義と変数スコープ2 |
Pythonの関数定義と変数スコープについて説明できる
|
10週 |
Pythonのデータ構造1 |
Pythonのデータ構造について説明できる
|
11週 |
Pythonのデータ構造2 |
Pythonのデータ構造について説明できる
|
12週 |
Pythonのデータ構造3 |
Pythonのデータ構造について説明できる
|
13週 |
Pythonにおけるオブジェクト指向1 |
Pythonにおけるオブジェクト指向について説明できる
|
14週 |
Pythonにおけるオブジェクト指向2 |
Pythonにおけるオブジェクト指向について説明できる
|
15週 |
試験の返却と解説 |
試験問題について説明できる
|
16週 |
|
|
後期 |
3rdQ |
1週 |
Pythonの標準ライブラリ1 |
Pythonの標準ライブラリについて説明できる
|
2週 |
Pythonの標準ライブラリ2 |
Pythonの標準ライブラリについて説明できる
|
3週 |
Pythonの標準ライブラリ3 |
Pythonの標準ライブラリについて説明できる
|
4週 |
データベースプログラミング1 |
データベースプログラミングについて説明できる
|
5週 |
データベースプログラミング2 |
データベースプログラミングについて説明できる
|
6週 |
データベースプログラミング3 |
データベースプログラミングについて説明できる
|
7週 |
機械学習1 |
機械学習について説明できる
|
8週 |
機械学習2 |
機械学習について説明できる
|
4thQ |
9週 |
機械学習3 |
機械学習について説明できる
|
10週 |
ニューラルネットワーク1 |
ニューラルネットワークについて説明できる
|
11週 |
ニューラルネットワーク2 |
ニューラルネットワークについて説明できる
|
12週 |
ディープニューラルネットワーク1 |
ディープニューラルネットワークについて説明できる
|
13週 |
ディープニューラルネットワーク2 |
ディープニューラルネットワークについて説明できる
|
14週 |
ディープニューラルネットワーク3 |
ディープニューラルネットワークについて説明できる
|
15週 |
試験の返却と解説 |
試験問題について説明できる
|
16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
基礎的能力 | 工学基礎 | 情報リテラシー | 情報リテラシー | 情報を適切に収集・処理・発信するための基礎的な知識を活用できる。 | 3 | |
論理演算と進数変換の仕組みを用いて基本的な演算ができる。 | 3 | |
コンピュータのハードウェアに関する基礎的な知識を活用できる。 | 3 | |
同一の問題に対し、それを解決できる複数のアルゴリズムが存在しうることを知っている。 | 3 | |
与えられた基本的な問題を解くための適切なアルゴリズムを構築することができる。 | 3 | |
任意のプログラミング言語を用いて、構築したアルゴリズムを実装できる。 | 3 | |
評価割合
| 試験 | ポートフォリオ | 合計 |
総合評価割合 | 80 | 20 | 100 |
基礎的能力 | 0 | 0 | 0 |
専門的能力 | 80 | 20 | 100 |
分野横断的能力 | 0 | 0 | 0 |