|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
ガイダンス,データサイエンスと機械学習。 |
データサイエンスとは何か,データサイエンスにおける機械学習の役割を説明できる。
|
2週 |
実行環境,Pythonの基礎。 |
実行環境を理解し,Pythonの基礎を理解し,実行できる。
|
3週 |
最小二乗法 |
最小二乗法により統計モデルの基礎について説明できる。Pythonによる例題の実行ができる。
|
4週 |
最小二乗法 |
最小二乗法によりオーバーフィッテングについて説明できる。
|
5週 |
最尤推定法 |
最尤推定法により確率を用いたモデルの役割を説明できる。Pythonによる例題の実行ができる。
|
6週 |
パーセプトロン |
最尤推定法により確率を用いたモデルの役割を説明できる。Pythonによる例題の実行ができる。
|
7週 |
ニューラルネットワーク |
ニューラルネットワークの計算を説明でき、Pythonによる例題の実行ができる。
|
8週 |
中間試験 |
|
4thQ |
9週 |
試験返却解答,ロジスティック回帰 |
ロジスティック回帰を説明できる。
|
10週 |
ROC曲線 |
ROC曲線による性能評価について説明できる。
|
11週 |
k-平均法 |
k-平均法について説明でき、画像データに適用できる。
|
12週 |
EMアルゴリズム |
EMアルゴリズムについて説明できる。
|
13週 |
EMアルゴリズム |
EMアルゴリズムを手書き文字分類問題に適用できる。
|
14週 |
ベイズ推定 |
ベイズ推定について説明できる。ベイズ推定を回帰問題に適用できる。
|
15週 |
畳み込みニューラルネットワーク |
畳み込みニューラルネットワークの計算を説明でき、Pythonによる例題の実行ができる。
|
16週 |
期末試験 |
|
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 | 後1,後2,後3,後4,後5,後6,後7,後8,後9,後10,後11,後12,後13,後14,後15,後16 |
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 | 後1,後2,後3,後4,後5,後6,後7,後8,後9,後10,後11,後12,後13,後14,後15,後16 |
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 | 後1,後2,後3,後4,後5,後6,後7,後8,後9,後10,後11,後12,後13,後14,後15,後16 |