到達目標
１．ニューラルネットワークの基礎的な理論を理解し説明できる。
２．基礎的なデータクレンジングおよび加工を行い、機械学習器にあわせたデータにすることができる。
３．代表的な教師あり学習をAzure ML 上で実装し計算機実験を行うことができる。
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 | 到達レベルの目安（可) |
| 評価項目1 | 誤差逆伝播法の原理だけでなく、問題点を理解しどのような解決方法があるのかについて説明できる。 | 誤差逆伝播法の原理について説明できる。 | 誤差逆伝播法の役割を知っている。 |
| 評価項目2 | 巨大なデータを効率よくデータ加工することができる。 | Azure ML に適したデータに加工することができる。 | データ処理の必要性を知っている。 |
| 評価項目3 | データを自ら収集し加工することで計算機実験を行える。 | 与えられたデータを使って計算機実験を行える。 | デモ問題を動作させることができる。 |
学科の到達目標項目との関係
学習・教育到達度目標 （B2）
説明
閉じる
学習・教育到達度目標 （B3）
説明
閉じる
教育方法等
概要:
Azure ML を使用して、最新の機械学習について学ぶ。
授業の進め方・方法:
・授業では、基本的にAzureを使用しての演習・課題を多く行う。
注意点:
・基本的なプログラミング技術を身に着けていること。
・Azure上では、データベースを多く使用するため最低限のSQLについての知識が必要である。
・データ処理には、基礎的な確率統計の知識が必要となるため、授業内外での理解に務めること。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
機械学習を学ぶための基礎知識 |
回帰問題、クラス分類問題がどのような問題であるかを説明できる。
|
| 2週 |
AIの基礎１ |
AIで扱う問題について具体例をあげることができる。
|
| 3週 |
AIの基礎２ |
AIで扱う回帰、クラス分類、クラスタリングについて説明できる。
|
| 4週 |
基礎知識１ |
Azure MLのデモが、それぞれどの問題に属しているか説明できる。
|
| 5週 |
基礎知識２ |
Azure MLのデモのデータ処理は何を目的に行っているのか説明できる。
|
| 6週 |
基礎知識３ |
データ前処理の必要性について説明できる。
|
| 7週 |
基礎知識４ |
基本的なデータ前処理を行うことができる。
|
| 8週 |
後期中間試験 |
（実技に置き換える）
|
| 4thQ |
| 9週 |
ディープラーニング１ |
代表的なベンチマーク問題を解くことができる。
|
| 10週 |
ディープラーニング２ |
代表的なベンチマーク問題を解き、その結果を評価することができる。
|
| 11週 |
ディープラーニング３ |
代表的なベンチマーク問題を複数解き、その結果を比較検証することができる。
|
| 12週 |
ディープラーニング４ |
画像分類のベンチマークを動作させることができる。
|
| 13週 |
ディープラーニング５ |
グループごとに画像を収集・加工し画像分類を行うことができる。
|
| 14週 |
ディープラーニング６ |
グループごとの計算機実験結果を評価し、改善点を指摘できる。
|
| 15週 |
定期相当実技 |
回帰、クラス分類について学習データを使って学習を行うことができる。
|
| 16週 |
試験返却 |
解けなかった問題が解ける。
|
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 |
| 専門的能力 | 分野別の専門工学 | 情報系分野 | プログラミング | 要求仕様に従って、標準的な手法により実行効率を考慮したプログラムを設計できる。 | 4 | |
| 要求仕様に従って、いずれかの手法により動作するプログラムを設計することができる。 | 4 | |
| 要求仕様に従って、いずれかの手法により動作するプログラムを実装することができる。 | 4 | |
| 要求仕様に従って、標準的な手法により実行効率を考慮したプログラムを実装できる。 | 4 | |
| 情報通信ネットワーク | 情報通信ネットワークを利用したアプリケーションの作成方法を説明できる。 | 3 | |
| その他の学習内容 | データモデル、データベース設計法に関する基本的な概念を説明できる。 | 3 | 後2 |
| データベース言語を用いて基本的なデータ問合わせを記述できる。 | 3 | |
評価割合
| 試験（実技） | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 60 | 0 | 5 | 5 | 30 | 0 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 60 | 0 | 0 | 0 | 30 | 0 | 90 |
| 分野横断的能力 | 0 | 0 | 5 | 5 | 0 | 0 | 10 |