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 |
1460 |
| 単位 |
__単位__ |
| 授業概要 |
データの整形, データのアクセス方法, データの表現方法を学び、自ら使用を決めたデータで表現する |
| 到達目標 |
データビジュアライゼーションの元になる技術について Python 言語であれば何を使っているのか表現するコードをグラフから読み取ることができる |
| スキルの育成方法 |
毎回の講義に関連したレポートをまとめることで批判的思考力, 論理的思考力, 情報収集力, 課題発見力, 問題解決力を育成する。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 自然言語処理の基礎知識 | [事後] 今回のテーマのまとめ(2時間) |
| 2 | 自然言語処理の技術解説 | [事後] 今回のテーマのまとめ(2時間) |
| 3 | 大規模言語モデルの技術解説 | [事後] 今回のテーマのまとめ(2時間) |
| 4 | 大規模言語モデルの環境構築 | [事後] 今回のテーマのまとめ(2時間) |
| 5 | 文書分類タスク | [事後] 今回のテーマのまとめ(2時間) |
| 6 | 固有表現抽出タスク | [事後] 今回のテーマのまとめ(2時間) |
| 7 | 質問応答タスク | [事後] 今回のテーマのまとめ(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 |
授業参加態度 2 割, レポート提出 4 割, 課題の理解度 4 割 |
| 前提科目 |
数学a, b, 統計学a, b, データリテラシー\n(同時履修可能) データサイエンス入門a, データサイエンス入門b, 経営工学a, 経営工学b, 応用数学a, 応用数学b, 応用数学c, 応用数学d |
| 後継科目 |
専門演習I |
| 教科書 |
Pythonではじめる 情報検索プログラミング, 佐藤進也, 森北出版, 978-4-627-81861-3,\n[https://www.morikita.co.jp/books/mid/081861]. |
| 参考書 |
文書分類から始める自然言語処理入門, 新納 他, 科学情報出版株式会社, ISBN978-4-910558-14-1.https://www.it-book.co.jp/books/132.html.\nPython によるあたらしいデータ分析の教科書, 寺田 他, 翔泳社, ISBN978-4-7981-5834-1, https://www.shoeisha.co.jp/book/detail/9784798158341.\n大規模言語モデル入門, 鈴木 他, 技術評論社, https://gihyo.jp/book/2023/978-4-297-13633-8, ISBN: 978-4-297-13633-8. |
| その他・注意事項 |
感染症等のリモート受講対策として自宅からスライドと音声による講義の提供は全ての回において提供できるが、補足で用いる板書等には対応しない。毎回レポートの提出及び出席管理は電子的な手法で行う。操作方法は提供する URL にアクセスし設定を自分で行うこと。このため、板書を取るノート, 筆記用具および学内からアクセスできる携帯電話, PC, 手書きでレポートを提出する際に用いる USB メモリ等の環境整備が必要である。初回受講時に準備しておくこと。Jupyter Notebook は各自の計算機に準備する。初回受講時には Anaconda をインストールした PC を持参すること。レポート提出には Jupyter Notebook を用いることができる。
|