科目名
(英語名) |
__科目名__
(__科目名(英語)__) |
| 担当教員 |
西村 まどか |
| 開講時期 |
__開講時期__ |
| 科目ナンバー |
__科目ナンバー__ |
| 授業コード |
2311 |
| 単位 |
__単位__ |
| 授業概要 |
深層学習の基礎を扱う |
| 到達目標 |
深層学習で用いられるフレームワークの概念を理解し、API の Keras を使って深層学習モデル例を知ることができる |
| スキルの育成方法 |
動作の理解を一つ一つ確かめることにより読解力、論理的思考力を育成できる |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 深層学習のフレームワーク | [事後] 講義のまとめと課題 (2時間) |
| 2 | ニューラルネットワークの考え方 | [事後] 講義のまとめと課題 (2時間) |
| 3 | 深層学習理論 | [事後] 講義のまとめと課題 (2時間) |
| 4 | 深層学習の現在 | [事後] 講義のまとめと課題 (2時間) |
| 5 | 深層学習の展開 | [事後] 講義のまとめと課題 (2時間) |
| 6 | 画像処理とテキストマイニング | [事後] 講義のまとめと課題 (2時間) |
| 7 | まとめと解説 | [事後] 講義のまとめと課題 (2時間) |
| 8 | | |
| 9 | | |
| 10 | | |
| 11 | | |
| 12 | | |
| 13 | | |
| 14 | | |
受講者の事前知識と進度により適宜変更する。
|
| 成績評価基準 |
出席態度 (20%), レポート提出 (40%), ノート提出に関する口頭試問 (20%) |
| 前提科目 |
データサイエンス入門, データ分析手法, 応用数学 |
| 後継科目 |
専門演習I |
| 教科書 |
Python で体験する深層学習, 浅川, https://www.kinokuniya.co.jp/f/dsg-08-EK-0993811 |
| 参考書 |
Tensor Flow 開発入門, 太田 他, 翔泳社, https://www.shoeisha.co.jp/book/detail/9784798154121,\nTensorFlow2 プログラミング実装ハンドブック, 秀和システム, https://www.shuwasystem.co.jp/book/9784798063003.html |
| その他・注意事項 |
毎回の課題提出と最終回のノート提出は必須である。Python での基礎的なコーディングができることを仮定した講義を行う。
|