到達目標
1) 機械学習の基礎的な手法の種類と性質と原理を説明できる。
2) 教師あり学習について概要と原理を説明できる。
3) その他の機械学習手法について概要と原理を説明できる。
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 (到達目標1) | 機械学習に関する手法の原理と特徴を説明できる。 | 機械学習に関する手法の原理を説明できる。 | 機械学習に関する手法の原理を説明できない。 |
評価項目2(到達目標2) | 教師あり学習の原理と特徴を説明できる。 | 教師あり学習の原理を説明できる。 | 教師あり学習の原理を説明できない。 |
評価項目3(到達目標3) | 強化学習やGAの初歩的な手法について原理と特徴を説明できる。 | 強化学習やGAの初歩的な手法について原理を説明できる。 | 強化学習やGAの初歩的な手法について原理を説明できない。 |
学科の到達目標項目との関係
学習・教育到達度目標 A-4
説明
閉じる
JABEE b
説明
閉じる
JABEE d
説明
閉じる
JABEE e
説明
閉じる
教育方法等
概要:
人間の知的な判断活動を計算機により再現する手法、およびその諸背景、実践的応用について学ぶ。
授業の進め方・方法:
この科目は学修単位科目のため、事前・事後学習としてレポートやオンラインテスト等を実施する。
予備知識:計算機の基礎的な命令によって、すぐ出来る事と出来ない事の区別がついている事が望ましい。
講義室:HR教室
授業形式:講義
学生が用意するもの:特になし
注意点:
評価方法:レポート課題により評価する(100点分)。
自己学習の指針:随所でコンピュータの立場に立ってみながらの思索を試みると良い。
オフィスアワー:なし
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 |
後期 |
3rdQ |
1週 |
概要説明 |
技術の俯瞰的な概要、AIの歴史や応用、更にはAI適用に求められる倫理的トピックについて大まかに説明できる。
|
2週 |
機械学習 |
機械学習の分類およびk-NN法について説明できる。
|
3週 |
教師あり学習 |
教師あり学習に使われるデータの種類やパーセプトロンの原理について説明できる。
|
4週 |
ニューラルネットワークの基礎 |
ニューラルネットワークの原理や、その発展形である深層学習技術について説明できる。
|
5週 |
強化学習 |
強化学習の原理が説明できる
|
6週 |
遺伝的アルゴリズム(GA) |
遺伝的アルゴリズムの原理が説明できる。
|
7週 |
ツール実習 |
機械学習ツールを用いて初歩的な機械学習が行える。
|
8週 |
レポート課題説明 |
講義を通じて得た知見をレポートにまとめて報告できる。
|
評価割合
| 試験 | レポート | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 0 | 100 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 0 | 100 | 0 | 0 | 0 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |