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07年度 (2025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 山田 剛史 著，Rによるやさしい統計学
担当教員	松島 宏典

到達目標

１．アンサンブル学習について理解し，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．平均値の検定について理解し，説明できる。
５．分散分析について理解し，説明できる。
６．因子分析について理解し，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	アンサンブル学習について理解し，活用できる。	アンサンブル学習について理解し，説明できる。	アンサンブル学習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	平均値の検定について理解し，活用できる。	平均値の検定について理解し，説明できる。	平均値の検定について理解できない。
評価項目5	分散分析について理解し，活用できる。	分散分析について理解し，説明できる。	分散分析について理解できない。
評価項目6	因子分析について理解し，活用できる。	因子分析について理解し，説明できる。	因子分析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。アンサンブル学習，回帰分析，クラスタ分析，人工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，機械学習の基礎的な技術を身に付ける。また，２つの平均値の検定，分散分析，二項検定について講義を実践する。Rによるプログラミングを通して，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	アンサンブル学習１	多数決分類器，AdaBoostの活用について理解する。
		2週	アンサンブル学習２	勾配ブースティングの活用について理解する。
		3週	機械学習の適用１	BoW，ロジスティック回帰の利用方法について理解する。
		4週	機械学習の適用２	LDAの利用方法について理解する。
		5週	回帰分析１	線形回帰，RANSACの利用方法について理解する。
		6週	回帰分析２	ランダムフォレストの利用方法について理解する。
		7週	クラスタ分析１	k-meansの利用方法について理解する。
		8週	クラスタ分析２	階層木の活用について理解する。
	2ndQ
		9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。
		10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。
		11週	２つの平均値の比較	２つの平均値を比較する検定手法について理解する。
		12週	分散分析１	一元配置分散分析について理解する。
		13週	分散分析２	二元配置分散分析について理解する。
		14週	二項検定	外れ値の影響，二項検定について理解する。
		15週	因子分析	因子分析手法について理解する。
		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