データサイエンスと人工知能2

科目基礎情報

学校	久留米工業高等専門学校	開講年度	令和06年度 (2024年度)
授業科目	データサイエンスと人工知能2
科目番号	5S19	科目区分	専門 / 必修
授業形態	講義	単位の種別と単位数	履修単位: 1
開設学科	制御情報工学科	対象学年	5
開設期	前期	週時間数	2
教科書/教材	Sebastian Raschka著，Python機械学習プログラミング，インプレス，その他配布資料
担当教員	松島 宏典

到達目標

１．機械学習適用方法について理解し，説明できる。
２．回帰分析について理解し，説明できる。
３．クラスタ分析について理解し，説明できる。
４．多層人工ニューラルネットワークについて理解し，説明できる。

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	機械学習適用方法について理解し，活用できる。	機械学習適用方法について理解し，説明できる。	機械学習適用方法について理解できない。
評価項目2	回帰分析について理解し，活用できる。	回帰分析について理解し，説明できる。	回帰分析について理解できない。
評価項目3	クラスタ分析について理解し，活用できる。	クラスタ分析について理解し，説明できる。	クラスタ分析について理解できない。
評価項目4	多層人工ニューラルネットワークについて理解し，活用できる。	多層人工ニューラルネットワークについて理解し，説明できる。	多層人工ニューラルネットワークについて理解できない。

学科の到達目標項目との関係

1 （制御情報分野に必要な、情報工学、通信ネットワーク、メカトロニクス、コンピュータ制御、および制御情報工学に関連した周辺技術に関連する基礎的な知識と技術を修得し、課題を解決するために活用できる。）

JABEE C-1 （制御、情報およびこれらに関連した機械、電気電子分野の専門知識を持ち、工学問題の解決に応用できる。）

教育方法等

概要:

機械学習とディープラーニングを幅広いタスクやデータセットに適用できるようになるために講義を実践する。始めに，機械学習適用方法について紹介し，随時，回帰分析，クラスタ分析，多層人工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について取り扱う。Pythonによるプログラミングを通して，人工知能の基礎的な技術を身に付ける。

授業の進め方・方法:

講義演習形式で実施する。

注意点:

注意点:
（1）点数配分：定期試験１００％とする。
（2）評価基準：60点以上を合格とする。　　
（3）再試：再試験を行う。60点以上を合格（60点）とする。
（4）準備学習：事前に予習を済ませておくこと。

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

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	ガイダンス	講義に取り組むためのPythonの環境を整え，実践することができる。
		2週	ｋ分割交差検証	ｋ分割交差検証について理解する。
		3週	グリッドサーチ	グリッドサーチについて理解する。
		4週	多数決分類器	多数決分類器について理解する。
		5週	AdaBoost	AdaBoostについて理解する。
		6週	BoW	BoWについて理解する。
		7週	ロジスティック回帰	ロジスティック回帰について理解する。
		8週	LDA	LDAについて理解する。
	2ndQ
		9週	線形回帰	線形回帰について理解する。
		10週	RANSAC	RANSACについて理解する。
		11週	k-means	k-meansについて理解する。
		12週	階層木	階層木について理解する。
		13週	人工ニューラルネットワークの訓練	人工ニューラルネットワークの訓練について理解する。
		14週	人工ニューラルネットワークの実装	人工ニューラルネットワークの実装について理解する。
		15週	総復習	得られた知識について再確認する。
		16週

評価割合

	試験	発表	相互評価	態度	ポートフォリオ	その他	合計
総合評価割合	100	0	0	0	0	0	100
基礎的能力	20	0	0	0	0	0	20
専門的能力	80	0	0	0	0	0	80
分野横断的能力	0	0	0	0	0	0	0