到達目標
1.主な機械学習の手法について理解し説明できる。
2.機械学習の基本的なプロセスを理解し、問題に応じたデータ処理方法を説明できる。
3.一般的な機械学習モデルを作成するための基本的な手順を理解し、適用できる。
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 | 主な機械学習の手法について理解しさまざまな問題に対して説明できる。 | 主な機械学習の手法について理解し説明できる。 | 主な機械学習の手法について説明できない。 |
評価項目2 | さまざまな機械学習の基本的なプロセスを理解し、問題に応じたデータ処理方法を説明できる。 | 機械学習の基本的なプロセスを理解し、問題に応じたデータ処理方法を説明できる。 | 機械学習の基本的なプロセスを理解できず、問題に応じたデータ処理方法を説明できない。 |
評価項目3 | 一般的な機械学習モデルを作成するための基本的な手順を理解し、さまざまな問題に適用できる。 | 一般的な機械学習モデルを作成するための基本的な手順を理解し、適用できる。 | 一般的な機械学習モデルを作成するための基本的な手順を理解できず、適用できない。 |
学科の到達目標項目との関係
学習・教育目標 (B)
説明
閉じる
基準1(2)の知識・能力 基準1(2)(d)(1)
説明
閉じる
教育方法等
概要:
さまざまな問題に取り組むための主な機械学習の手法について学ぶ。具体的には、分類問題、データ前処理、モデルの評価、モデルの組合せ、回帰分析、クラスター分析等の基本的なプロセスを理解し、その基礎理論を含む具体的な機械学習の適用について学ぶ。
授業の進め方・方法:
講義資料およびスライドを併用した授業とする。より授業内容を理解させるために演習課題を自主学習することにより,計算能力・知識の向上を図る。
注意点:
【成績評価の基準・方法】
試験の成績を60%,平素の学習状況等(課題・レポート等を含む)を40%の割合で総合的に評価する。学年の成績評価は学期末の評価とする。技術者が身につけるべき専門基礎として,上記の到達目標に対する達成度を試験等において評価する。
【事前・事後学習】
事前学習として講義資料の該当部分を読んだうえで指定のプリントに理解が難しかった部分を抜き出してまとめて授業に臨むこと。また,事後学習として授業内で指示した課題を提出すること。その課題とした演習問題については,周りの学生とデッスカッションしたりし,自分なりの解答を提出をすること。
【学修単位科目(授業時間外の学習時間等)】
本科目は学修単位のため,以下の標準学習時間を設定した自主学習を累計45時間分以上実施して提出しなければならない。
・全15回の授業に対して,0.5時間の事前学習と2.5時間の事後学習。
【履修上の注意】
この科目を履修するにあたり,専攻科1年次に「応用数理科学Ⅰ」,「応用数理科学Ⅱ」で習得した内容を理解しておくことが望ましい。
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 |
前期 |
1stQ |
1週 |
機械学習の手法:機械学習の基礎概念および機械学習の手法について学ぶ。 |
機械学習の基礎概念および機械学習の手法を理解し,説明することができる。
|
2週 |
分類問題:分類アルゴリズムについて学ぶ。 |
分類アルゴリズムを理解し,説明することができる。
|
3週 |
分類問題:分類アルゴリズムについて学ぶ。 |
分類アルゴリズムを理解し,説明することができる。
|
4週 |
分類問題:分類アルゴリズムについて学ぶ。 |
分類アルゴリズムを理解し,説明することができる。
|
5週 |
データ前処理:データ前処理の方法について学ぶ。 |
データ前処理の方法を理解し,説明することができる。
|
6週 |
データ圧縮:データの圧縮方法について学ぶ。 |
データの圧縮方法を理解し,説明することができる。
|
7週 |
データ圧縮:データの圧縮方法について学ぶ。 |
データの圧縮方法を理解し,説明することができる。
|
8週 |
モデルの性能評価:モデルの精度検証方法について学ぶ。 |
モデルの精度検証を理解し,説明することができる。
|
2ndQ |
9週 |
モデルの組合せ:モデルの組合せ方法について学ぶ。 |
モデルの組合せ方法を理解し,説明することができる。
|
10週 |
モデルの組合せ:モデルの組合せ方法について学ぶ。 |
モデルの組合せ方法を理解し,説明することができる。
|
11週 |
回帰分析:回帰モデルの概念、回帰モデルの手法について学ぶ。 |
回帰モデルの概念を理解し、回帰モデルを適用できる。
|
12週 |
回帰分析:回帰モデルの概念、回帰モデルの手法について学ぶ。 |
回帰モデルの概念を理解し、回帰モデルを適用できる。
|
13週 |
回帰分析:回帰モデルの概念、回帰モデルの手法について学ぶ。 |
回帰モデルの概念を理解し、回帰モデルを適用できる。
|
14週 |
クラスター分析:クラスター分析の手法について学ぶ。 |
クラスター分析の手法を理解し,説明することができる。
|
15週 |
ニューラルネットワーク:ニューラルネットワークの基本構造、学習プロセスについて学ぶ。 |
ニューラルネットワークの基本構造、学習プロセスを理解し,説明することができる。
|
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 | 学習状況等(課題・レポート等を含む) | 合計 |
総合評価割合 | 60 | 40 | 100 |
基礎的能力 | 40 | 30 | 70 |
専門的能力 | 20 | 10 | 30 |