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 |
1469 |
| 単位 |
__単位__ |
| 授業概要 |
機械学習に必要な数値解析の基本的な手法の外観を知る |
| 到達目標 |
数値解法と解析解の比較に必要な理論の集合が何かを知る |
| 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 | 画像認識の定義 | [事後] 今回のテーマのまとめ(2時間) |
| 2 | 画像処理の基礎知識 | [事後] 今回のテーマのまとめ(2時間) |
| 3 | 深層学習を使う準備 | [事後] 今回のテーマのまとめ(2時間) |
| 4 | 画像分類 | [事後] 今回のテーマのまとめ(2時間) |
| 5 | 物体検出 | [事後] 今回のテーマのまとめ(2時間) |
| 6 | 画像キャプショニング | [事後] 今回のテーマのまとめ(2時間) |
| 7 | くずし字の判定 | [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 |
機械学習入門b, 機械学習理論a, 機械学習理論b, 機械学習理論c, 機械学習理論d |
| 教科書 |
PyTorch実践入門, E. Stevens 他, マイナビ出版, 978-4-8399-7469-5, [https://book.mynavi.jp/ec/products/detail/id=120263]. |
| 参考書 |
Python 言語によるプログラミング イントロダクション 第２版, John V. Guttag 著, 久保幹雄監訳, 近代科学社, ISBN978-4-7649-0518-4, https://www.kindaikagaku.co.jp/book_list/detail/9784764905184/ |
| その他・注意事項 |
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。Microsoft Teams を携帯電話にインストールしておくこと。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。初回受講時には LaTeX, Anaconda をインストールした PC を持参すること。
|