到達目標
1. Python言語を用いて実用的なアプリケーションソフトウェアを設計・開発できる。
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 |
Python言語を用いて実用的なアプリケーションソフトウェアを設計・開発できる。 | Python言語を用いて実用的なアプリケーションソフトウェアを設計・開発できる。 | Python言語を用いて基本的なアプリケーションソフトウェアを設計・開発できる。 | Python言語を用いてアプリケーションソフトウェアを設計・開発できない。 |
学科の到達目標項目との関係
教育方法等
概要:
Python言語を利用したアプリケーションソフトウェア開発について学習する。
授業の進め方・方法:
注意点:
1.評価については、評価割合に従って行います。ただし、適宜再試や追加課題を課し、加点することがあります。
2.試験と課題を通じてPython言語を用いたアプリケーションソフトウェア開発の理解度を評価する。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
ガイダンス |
人工知能等が注目される一方で、いろいろな誤解や過剰な期待がされていることもあります。この授業により、データサイエンスや人工知能等を使って何ができて何ができないのか、概略を説明できる。
|
2週 |
Pythonの基礎 |
Jupyter Notebookの使い方、リストと辞書型、条件分岐とループ、関数、クラスとインスタンスの基礎が理解できる。
|
3週 |
科学計算、データ加工、グラフ描画ライブラリの使い方の基礎 |
データ分析で使うライブラリ、Numpyの基礎、行列、Scipyの基礎、Pandasの基礎、Matplotlibの基礎が理解できる。
|
4週 |
記述統計と単回帰分析 |
統計解析の種類、データの読み込みと対話、記述統計、単回帰分析の概略を理解できる。
|
5週 |
確率と統計の基礎 |
確率、確率変数と確率分布、応用:多次元確率分布、推計統計学、統計的推定、統計的検定の基礎が理解できる。
|
6週 |
Pythonによる科学計算(NumpyとScipy) |
Numpyを使った計算の応用、Numpyの演算処理、配列操作とブロードキャスト、Scipyを使った計算の応用の基礎が理解できる。
|
7週 |
Pandasを使ったデータ加工処理 |
Pandasの基本的なデータ操作、データの結合、データの操作と変換、データの集約とグループ演算、欠損データと異常値の取り扱いの基礎、時系列データの取り扱いの基礎が理解できる。
|
8週 |
Matplotlibを使ったデータ可視化 |
データ可視化の基礎が理解でき、応用として分析結果の見せ方を考えることができる。
|
4thQ |
9週 |
機械学習の基礎(教師あり学習)その1 |
機械学習の全体像、重回帰、ロジスティック回帰、 正則化項のある回帰:ラッソ回帰、リッジ回帰の概略を理解できる。
|
10週 |
機械学習の基礎(教師あり学習)その2 |
決定木、k-NN(k近傍法)、サポートベクターマシンの概略を理解できる。
|
11週 |
機械学習の基礎(教師なし学習)その1 |
教師なし学習、 クラスタリングの概略を理解できる。
|
12週 |
機械学習の基礎(教師なし学習)その2 |
主成分分析の概略を理解できる。
|
13週 |
モデルの検証方法とチューニング方法その1 |
モデルの評価と精度を上げる方法、モデルの評価とパフォーマンスチューニングの概略を理解できる。
|
14週 |
モデルの検証方法とチューニング方法その2 |
アンサンブル学習の概略を理解できる。
|
15週 |
まとめ |
これまでの復習を行う。
|
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 |
評価割合
| 試験 | 課題 | 合計 |
総合評価割合 | 50 | 50 | 100 |
基礎的能力 | 0 | 0 | 0 |
専門的能力 | 50 | 50 | 100 |
分野横断的能力 | 0 | 0 | 0 |