特別講義Ⅱ

科目基礎情報

学校 香川高等専門学校 開講年度 令和02年度 (2020年度)
授業科目 特別講義Ⅱ
科目番号 200244 科目区分 専門 / 選択
授業形態 講義 単位の種別と単位数 学修単位: 1
開設学科 電気情報工学科(2018年度以前入学者) 対象学年 5
開設期 前期 週時間数 1
教科書/教材 独自開発の教材を使用
担当教員 村上 幸一

目的・到達目標

近年目覚ましい発展を遂げる人工知能やデータサイエンスに関する技術について,正しく理解するとともに,プログラミング演習を通して深層学習モデルを実装できる能力を習得する。

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人工知能研究の歴史と最新動向を具体例を挙げながら説明できる。 人工知能研究の歴史と最新動向を説明できる。 人工知能研究の歴史と最新動向を説明できない。
評価項目2教師あり学習,教師なし学習,強化学習について具体例を挙げながら違いを説明できる。 教師あり学習,教師なし学習,強化学習の違いを説明できる。 教師あり学習,教師なし学習,強化学習の違いを説明できない。
評価項目3CNNを使った高性能な画像認識モデルを実装できる。 CNNを使った画像認識モデルを実装できる。 CNNを使った画像認識モデルを実装できない。

学科の到達目標項目との関係

教育方法等

概要:
4日間の集中講義
授業の進め方と授業内容・方法:
人工知能およびデータサイエンスに関する講義とそれらを実装するためのプログラミング演習を行う。担当教員の監督と補助のもと,遠隔授業を情報基盤センターで受講する。単位修得のためには授業中に出されるレポートと最終課題を60点に相当する内容で提出する必要がある。
注意点:
特になし

授業計画

授業内容・方法 週ごとの到達目標
前期
1stQ
1週 講座概要 本講座の進め方と目標を理解する。
2週 人工知能概論 人工知能の歴史と現状について概要を理解する。
3週 データサイエンス概論 データサイエンスの概要を理解する。
4週 各種ライブラリを用いたデータ処理
(Numpy、Matplotlib、Pandas)
Pythonの各種ライブラリの基本的な使い方を知る。
5週
6週 確率統計の基礎 Pythonを使った確率統計処理の方法を知る。
7週
8週 機械学習基礎編1
(教師あり学習、教師なし学習、ロジスティック回帰など)
機械学習の概要を理解する。
2ndQ
9週
10週
11週 機械学習基礎編2
(教師あり学習、教師なし学習、ロジスティック回帰など)
機械学習モデルを実装する。
12週
13週 機械学習発展編
(モデル検証、チューニング、アンサンブル学習、高速化など)
機械学習モデルを高性能化するための具体的なテクニックを学ぶ。
14週 データサイエンス実践
(Kaggle方式コンペ)
データサイエンスコンペに取り組む。
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

評価割合

試験レポート相互評価態度最終課題その他合計
総合評価割合05000500100
基礎的能力025000025
専門的能力0250050075
分野横断的能力0000000