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
開講形態	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 【科目の位置付け】 教育の重点事項②、知能電子システム科教育目標⑤に対応する科目である。
授業計画	【授業の方法】 スライドを用いた講義ならびに実習を行う。 【日程】 第1回　機械学習とは 第2回　機械学習（データ分析プロジェクト）の進め方 第3回　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） 第4回　機械学習で利用されるPythonライブラリ 第5回　Pythonによるデータ表現 第6回　Pythonによるベクトル・行列計算 第7回　教師なし学習の実施（クラスタリング） 第8回　教師あり学習の実施（分類、回帰） 第9回　学習結果の評価法 第10回　ニューラルネットワークと深層学習のアルゴリズム 第11回　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 第12回　教師あり学習の実施（ニューラルネットワーク） 第13回　教師あり学習の実施（深層学習） 第14回　学習モデルの利用（新しいデータの分類や予測） 第15回　ファインチューニング 第16回　期末試験とまとめ
成績の評価	【基準】 到達目標が満たされているか否かを評価する。 【方法】 期末試験100点満点で評価する。単位認定は60点以上とする。
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。「プログラミング基礎実習」および「ICT実践技術Ⅱ」からの連結を重視する。 実習では、新しく学んだ手法やコードを繰り返し使用してみること。不明な点や上手くいかないところは積極的に質問して解決すること。提出課題として課さないが、実習内の演習内容は時間外も利用して完成させることを推奨する。 【この授業・実習に必要な機材】 特になし。