科目コード | 2032104 |
科目名 (英語名) | データサイエンス基礎 (Fundamentals of Data Science) |
対象学科 | 知能電子システム科 |
開講時期 | 2年 前期 |
担当教員 | 草刈 徳之 |
単位数 | 2単位 |
授業の方法 | 講義,実習 |
授業概要 |
- 【 目 的 】
- 深層学習を含む機械学習の基本的な知識とデータ分析スキルを習得する。大量の事例データを反復的に学ばせ、そこに潜む特徴やパターンを抽出する機械学習で、見つけた特徴により新しいデータの分類や予測を行うことができる。
- 【到達目標】
-
- 機械学習でできること、機械学習のアルゴリズムが説明できる
- AIと機械学習と深層学習の関係について説明できる
- やりたいことと準備できるデータから手法を選択できる
- Pythonとデータサイエンス系ライブラリでデータ分析ができる
- 機械学習、教師なし学習、教師あり学習、教師あり深層学習を実施できる
|
授業計画 |
- 機械学習とは
- 機械学習(データ分析プロジェクト)の進め方
- 機械学習で用いるデータの扱い方、機械学習のアルゴリズム(手法)
- 機械学習で利用されるPythonライブラリ
- Pythonによるデータ表現
- Pythonによるベクトル・行列計算
- 教師なし学習の実施(クラスタリング)
- 教師あり学習の実施(分類、回帰)
- 学習結果の評価法
- ニューラルネットワークと深層学習のアルゴリズム
- ニューラルネットワークと深層学習で利用されるPythonライブラリ
- 教師あり学習の実施(ニューラルネットワーク)
- 教師あり学習の実施(深層学習)
- 学習モデルの利用(新しいデータの分類や予測)
|
成績評価方法 |
プログラム実習・課題・レポート・試験による総合評価 |
教科書・ 参考図書 |
教科書:
|
その他 |
- 【履修にあたり】
- Pythonプログラムに習熟していること
- 【この授業・実習に必要な機材】
- 特になし
|