到達目標
１．AIのための数値計算に必要なプログラミング言語Python、およびライブラリの使い方を理解し、それを基に高精度・高効率な数値解析プログラムを構築する方法を、体系的に説明できる
２．多様なAI手法を（数値）解析する際に必要な基本的本質を見極める方法と、シミュレート結果に潜む誤差や揺らぎ等を精査・考察する方法を、体系的に説明できる
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 |
| 評価項目1 | AIのための数値計算に必要なプログラミング言語Python、およびライブラリの使い方を理解し、それを基に高精度・高効率な数値解析プログラムを構築する方法を、体系的に適切に説明できる。 | AIのための数値計算に必要なプログラミング言語Python、およびライブラリの使い方を理解し、それを基に高精度・高効率な数値解析プログラムを構築する方法を、体系的に説明できる。 | AIのための数値計算に必要なプログラミング言語Python、およびライブラリの使い方を理解し、それを基に高精度・高効率な数値解析プログラムを構築する方法を、体系的に説明できない。 |
| 評価項目2 | 多様なAI手法を（数値）解析する際に必要な基本的本質を見極める方法を、体系的に適切に説明できる。 | 多様なAI手法を（数値）解析する際に必要な基本的本質を見極める方法を、体系的に説明できる。 | 多様なAI手法を（数値）解析する際に必要な基本的本質を見極める方法を、体系的に説明できない。 |
| 評価項目3 | 多様なAI手法を（数値）解析する際に必要なシミュレート結果に潜む誤差や揺らぎ等を精査・考察する方法を、体系的に適切に説明できる。 | 多様なAI手法を（数値）解析する際に必要なシミュレート結果に潜む誤差や揺らぎ等を精査・考察する方法を、体系的に説明できる。 | 多様なAI手法を（数値）解析する際に必要なシミュレート結果に潜む誤差や揺らぎ等を精査・考察する方法を、体系的に説明できない。 |
学科の到達目標項目との関係
学習・教育到達度目標 専攻科の学習・教育目標 (SB)
説明
閉じる
JABEE 環境都市（A）
説明
閉じる
教育方法等
概要:
技術（研究）開発においては，様々な現象を数値化し解析する作業が不可欠である。今後、技術者にとって必要なAIに関する数値計算・解析のための基本的・実務的手法を身に付け，自身の専門技術開発に繋げて行く（問題解決）能力を養うことを目的とする。
本校の教育基盤である「全科目ＥＳＤ（持続発展教育）」による素養を基に，技術者として実践できる視野を身に付けさせる。
授業の進め方・方法:
授業は、パソコン演習室で電子化されたテキストを読み進めながら演習を行うことで機械学習の理論を学び，実践方法を習得する。レポート提出物の内容によって学習状況を確認する。この科目は学習単位科目のため，事前学習として電子化されたテキストを事前に読んでおくこと。また，事後学習としてレポート・課題などを実施する。
【新型コロナウイルスの影響により、授業内容を一部変更する可能性があります。】
注意点:
専門技術開発や専門情報解析で必須となる数値解析を理解する上での基盤となる科目です。プログラミング言語として，最近AIの分野で特に注目を集めているPythonを使用します。
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 |
| 後期 |
| 3rdQ |
| 1週 |
AIに関わる数値計算法に関する基本事項
（AIにできること・できないこと） |
AIにできること・できないことを理解し説明できる
|
| 2週 |
プログラミング言語Pythonによる数値計算 |
数値の表現法やグラフの描画法を理解し説明できる
|
| 3週 |
Pythonの基礎 |
Pythonの制御文を理解し説明できる
|
| 4週 |
Numpyを使った数値計算法 |
Numpyを使った数値計算法を理解し説明できる
|
| 5週 |
Pandasを使ったデータ加工処理 |
Pandasを使ったデータ加工処理の方法を理解し説明できる
|
| 6週 |
Matplotlibを使ったデータの可視化 |
Matplotlibを使ったデータ可視化の方法を理解し説明できる
|
| 7週 |
Pythonを用いた確率・統計 |
Pythonを用いた確率・統計に関する数値計算法を理解し説明できる
|
| 8週 |
教師あり学習 |
教師あり学習の数値計算法を理解し説明できる
|
| 4thQ |
| 9週 |
教師なし学習 |
教師なし学習の数値計算法を理解し説明できる
|
| 10週 |
モデルの検証方法とチューニング法 |
モデルの良し悪しを検証するための方法とチューニングするための方法を理解し説明できる
|
| 11週 |
ディープラーニング |
ディープラーニングの数値計算法を理解し説明できる
|
| 12週 |
畳込みニューラルネットワーク |
畳込みニューラルネットワークの数値計算法を理解し説明できる
|
| 13週 |
自然言語処理 |
自然言語処理の数値計算法を理解し説明できる
|
| 14週 |
強化学習 |
強化学習の数値計算法を理解し説明できる
|
| 15週 |
期末試験 |
|
| 16週 |
期末試験解答説明と補講 |
|
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 | 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 | 70 | 0 | 0 | 0 | 30 | 0 | 100 |
| 基礎的能力 | 70 | 0 | 0 | 0 | 0 | 0 | 70 |
| 専門的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 30 | 0 | 30 |