情報処理2

科目基礎情報

学校 阿南工業高等専門学校 開講年度 令和05年度 (2023年度)
授業科目 情報処理2
科目番号 1295801 科目区分 専門 / 選択
授業形態 授業 単位の種別と単位数 学修単位: 2
開設学科 機械コース 対象学年 5
開設期 前期 週時間数 2
教科書/教材 ニューラルネットワーク自作入門 (マイナビ)
担当教員 松浦 史法

到達目標

1. 予測マシンおよび分類器の学習ならびに誤差逆伝播について説明できる。
2. 入力層・隠れ層・出力層を有するニューラルネットワークを実装し、手書き数字の識別ができる。

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最低限の到達レベルの目安(可)
動作原理出力層計算方法及び誤差逆伝播法による重み更新の行列形式を導出できる。出力層計算方法及び誤差逆伝播法による重み更新の行列形式を理解し説明できる。出力層計算方法及び誤差逆伝播法による重みを更新する手法の概略的な説明ができる。
Pythonでの実装自身の手書き数字の識別ができる。MNISTデータセットを用いて手書き数字の識別ができる。簡易なニューラルネットワークが実装できる。

学科の到達目標項目との関係

教育方法等

概要:
ディープラーニング(深層学習)の基本となるニューラルネットワークについて、分類器とその学習方法を説明でき、Pythonで実装することができる。
授業の進め方・方法:
行列の内積, Pythonの基礎(関数, Numpyを用いた行列演算)については、他の授業および自学自習等により修得していることを前提とする。
【授業時間30時間+自学自習時間60時間】
注意点:

授業の属性・履修上の区分

アクティブラーニング
ICT 利用
遠隔授業対応
実務経験のある教員による授業

授業計画

授業内容 週ごとの到達目標
前期
1stQ
1週 単純な予測マシン 予測マシンの学習の方法を説明できる。
2週 単純な分類器の学習 データを分類するための分類器を使う方法を説明できる。
3週 ニューロン ニューロンの構成とニューロンによるネットワークの説明ができる。
4週 2つ以上のノードからの重みの学習 ニューロンの内部パラメータの調整方法を説明できる。
5週 多くのノードからの誤差逆伝播 多くのノードがあるニューラルネットワークについて、内部パラメータの調整方法を説明できる。
6週 多くの層への誤差逆伝播 出力層から隠れ層へ誤差を伝播させる方法について説明できる。
7週 中間試験 中間試験
8週 重み更新 ニューラルネットワーク全体の重みを更新するための方程式を説明できる。
2ndQ
9週 Python入門 ニューラルネットワークを実装するため、クラス等を用いたPythonプログラムを作成できる。
10週 ニューラルネットワーククラスの定義1 ニューラルネットワーク構造を実装できる。
11週 ニューラルネットワーククラスの定義2 誤差逆伝播ができるニューラルネットワークを実装できる。
12週 ネットワークの学習 ニューラルネットワークの学習ができ、その過程を可視化できる。
13週 手書き数字のデータセット1 手書き数字のMNISTデータセットが何か説明できる。
14週 手書き数字のデータセット2 手書き数字の認識を行うニューラルネットワークが実装できる。
15週
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

定期試験小テストポートフォリオ発表・取り組み姿勢その他合計
総合評価割合7003000100
基礎的能力000000
専門的能力7003000100
分野横断的能力000000