知能情報処理

科目基礎情報

学校	香川高等専門学校	開講年度	令和03年度 (2021年度)
授業科目	知能情報処理
科目番号	211245	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: 2
開設学科	電気情報工学科（2019年度以降入学者）	対象学年	4
開設期	前期	週時間数	2
教科書/教材	Python機械学習クックブック（978-4873118673）
担当教員	村上 幸一

到達目標

機械学習の実践的な手法・コードについて学習し，機械学習プログラムを実践的な道具として活用できるようになることを，本講義を受講後の到達目標とする．

ルーブリック

	理想的な到達レベルの目安(優)	標準的な到達レベルの目安(良)	未到達レベルの目安(不可)
機械学習のデータ処理	機械学習のデータ処理の手法について理解し，自身で活用することができる．	機械学習のデータ処理の手法について理解し，課題プログラムを行うことができる．	機械学習のデータ処理の手法について理解が不十分である．または，課題プログラムを行うことができない．
特徴量抽出・選択	特徴量抽出・選択について理解し，自身で活用することができる．	特徴量抽出・選択について理解し，課題プログラムを行うことができる．	特徴量抽出・選択について理解が不十分である．または，課題プログラムを行うことができない．
モデルの評価・選択	モデルの評価・選択について理解し，自身で活用することができる．	モデルの評価・選択について理解し，課題プログラムを行うことができる．	モデルの評価・選択について理解が不十分である．または，課題プログラムを行うことができない．
機械学習の各種手法	機械学習の各種手法について理解し，自身で活用することができる．	機械学習の各種手法について理解し，課題プログラムを行うことができる．	機械学習の各種手法について理解が不十分である．または，課題プログラムを行うことができない．

教育方法等

概要:

機械学習の実践的な手法・コードについて学習し，機械学習プログラムを実践的な道具として活用できるようになることを目標とする．

授業の進め方・方法:

講義とプログラム演習を中心に授業を行う．

注意点:

機械学習の基本的な概念について学習済みであり，かつ，Python言語での基本的なプログラミングができる学生が対象の授業である．

授業の属性・履修上の区分

ICT 利用

実務経験のある教員による授業

授業計画

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	ガイダンス 1章（前半） ベクトルと配列	ベクトルと配列について学習する．
		2週	1章（後半） 2章 ベクトルと配列，各種データフォーマット	ベクトルと配列，各種データフォーマットについて学習する．
		3週	3章，4章 データラングリング，数値データの取り扱い	データラングリング，数値データの取り扱いについて学習する．
		4週	5章，6章　カテゴリデータ，テキストの取り扱い	カテゴリデータ，テキストの取り扱いについて学習する．
		5週	7章，8章（前半） 日時データ，画像の取り扱い	日時データ，画像の取り扱いについて学習する．
		6週	8章（後半） 画像の取り扱い	画像の取り扱いについて学習する．
		7週	9・10章 特徴量抽出，特徴量選択による次元削減	特徴量抽出，特徴量選択による次元削減について学習する．
		8週	中間試験
	2ndQ
		9週	11章 モデルの評価	モデルの評価について学習する．
		10週	12・13章 モデルの選択，線形回帰	モデルの選択，線形回帰について学習する．
		11週	14章　決定木とフォレスト	決定木とフォレストについて学習する．
		12週	15・16章　k-最近傍法，ロジスティック回帰	k-最近傍法，ロジスティック回帰について学習する．
		13週	17・18章　SVM，ナイーブベイズ	SVM，ナイーブベイズについて学習する．
		14週	19章，20章（前半）　クラスタリング，ニューラルネット	クラスタリング，ニューラルネットについて学習する．
		15週	20章（後半），21章 ニューラルネット，訓練済みモデルのセーブとロード	ニューラルネット，訓練済みモデルのセーブとロードについて学習する．
		16週	期末試験

評価割合

	試験	プラグラミング演習	合計
総合評価割合	70	30	100
機械学習のデータ処理	30	10	40
特徴量抽出・選択	5	5	10
モデルの評価・選択	5	5	10
機械学習の各種手法	30	10	40