| 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 | 3層ニューラルネットワークの数理的表現を説明できる、出力層の設計法を説明できる | 3層ニューラルネットワークの数理的表現を理解できる、出力層の設計法を理解できる | 3層ニューラルネットワークの数理的表現を理解できない、出力層の設計法を理解できない |
評価項目2 | ニューラルネットワークの学習における勾配を説明できる、学習の手順を説明できる | ニューラルネットワークの学習における勾配を理解できる、学習の手順を理解できる | ニューラルネットワークの学習における勾配を理解できない、学習の手順を理解できない |
評価項目3 | ニューラルネットワークの構成要素を層として実装し,効率的な勾配の計算法を説明できる | ニューラルネットワークの構成要素を層として実装し,効率的な勾配の計算法を理解できる | ニューラルネットワークの構成要素を層として実装し,効率的な勾配の計算法を理解できない |
評価項目4 | 重みの初期値の有効な設定法を説明できる、Batch Normalizationの効果を説明できる、正則化によって過学習を抑制できる、ハイパーパラメータの探索に対する効率的な方法を説明できる | 重みの初期値の有効な設定法を理解できる、Batch Normalizationの効果を理解できる、正則化によって過学習を抑制できる、ハイパーパラメータの探索に対する効率的な方法を理解できる | 重みの初期値の有効な設定法を理解できない、Batch Normalizationの効果を理解できない、正則化によって過学習を抑制できる、ハイパーパラメータの探索に対する効率的な方法を理解できない |
評価項目5 | 畳み込みニューラルネットワークの層が深いほど高度な情報を抽出できることを説明できる,畳み込みニューラルネットワークの代表的なモデルを説明できる | 畳み込みニューラルネットワークの層が深いほど高度な情報を抽出できることを理解できる,畳み込みニューラルネットワークの代表的なモデルを理解できる | 畳み込みニューラルネットワークの層が深いほど高度な情報を抽出できることを理解できない,畳み込みニューラルネットワークの代表的なモデルを理解できない |
評価項目6 | ディープラーニングの応用例を説明できる | ディープラーニングの応用例を理解できる | ディープラーニングの応用例を理解できない |