科目情報
| 科目名 |
ＩＣＴリテラシーＢ |
|---|---|
| クラス |
03 |
| 担当教員 |
栗野 俊一 |
| 実務経験のある教員による授業科目 |
|
| 学年 |
1年 |
| 開講学期 |
後期 |
| 開講時期 |
後期 |
| 曜日・時限 |
月５ |
| 科目種別 |
|
| ナンバリング |
ESp007102 |
| 科目区分 |
選択科目 |
| 単位区分 |
選 |
| 単位数 |
2 |
| 準備事項 |
|
| 備考 |
|
| 科目名 |
ＩＣＴリテラシーＢ |
|---|
| クラス |
03 |
|---|
| 担当教員 |
栗野 俊一 |
|---|
| 実務経験のある教員による授業科目 |
|
|---|
| 学年 |
1年 |
|---|
| 開講学期 |
後期 |
|---|
| 開講時期 |
後期 |
|---|
| 曜日・時限 |
月５ |
|---|
| 科目種別 |
|
|---|
| ナンバリング |
ESp007102 |
|---|
| 科目区分 |
選択科目 |
|---|
| 単位区分 |
選 |
|---|
| 単位数 |
2 |
|---|
| 準備事項 |
|
|---|
| 備考 |
|
|---|
講義情報
学習目標（到達目標）
|
学習目標(到達目標) |
授業概要（教育目的）
|
授業概要(教育目的) |
授業計画表（15週）
回 |
項目 |
内容 |
|---|---|---|
|
第1回 |
人工知能の応用と歴史 |
社会で活用されている人工知能の現状と人工知能の歴史について学ぶ。 |
|
第2回 |
機械学習と深層学習 |
人工知能，機械学習，深層学習の意味と関係について学ぶ。 |
|
第3回 |
人工知能の応用分野 |
回帰，分類，クラスタリング，推薦について学ぶ。 |
|
第4回 |
人工知能における学習 |
教師あり学習，教師なし学習，強化学習について学ぶ。 |
|
第5回 |
教師あり学習の代表的な手法1 |
線形回帰，ロジスティック回帰について学ぶ。 |
|
第6回 |
教師あり学習の代表的な手法2 |
決定木，ランダムフォレストについて学ぶ。 |
|
第7回 |
教師あり学習の代表的な手法3 |
k近傍法，サポートベクターマシンについて学ぶ。 |
|
第8回 |
教師なし学習の代表的な手法 |
k平均法，主成分分析について学ぶ。 |
|
第9回 |
ニューラルネットワーク |
深層学習の基礎となるニューラルネットワークの概念について学ぶ。 |
|
第10回 |
深層学習の基本 |
深層学習の仕組みと実現方法について学ぶ。 |
|
第11回 |
手法の評価 |
学習結果の良否を判定するための基準について学ぶ。 |
|
第12回 |
画像分野での深層学習手法 |
畳み込みニューラルネットワーク手法による画像認識ついて学ぶ。 |
|
第13回 |
文章解析分野での深層学習手法 |
単語の意味の関連性を分析する手法について学ぶ。 |
|
第14回 |
Pythonの基礎 |
人工知能分野で使われる代表的なプログラミング言語について学ぶ。 |
|
第15回 |
確認試験と解説 |
当期に学んだことについて，確認試験および解説を行う。 |
授業形式
|
対面での講義形式で行う。 |
評価方法
授業内試験 |
レポート |
小テスト |
授業への参画度 |
その他 |
合計 |
|---|---|---|---|---|---|
|
40 |
30 |
20 |
10 |
0 |
100 |
評価の特記事項
|
確認テスト・レポートは授業内容の復習になるので，テキスト，資料等を熟読し，授業内容をその時間内で理解するように心がけ，疑問点があれば質問すること。 |
テキスト
|
寺沢，福田著，『入門情報処理―データサイエンス，AIを学ぶための基礎―』，オーム社，2022年，2,600円(税抜)． |
参考文献
|
日本ディープラーニング協会監修，『ディープラーニングG検定公式テキスト』，翔泳社，2018年，2,800円(税抜)． |
オフィスアワー
|
月曜日 15:00～16:00。事前に授業後またはメールでアポをとること。 なお，メールアドレス は，kurino.shunichi@nihon-u.ac.jp である。 |
学生へのメッセージ（事前・事後学習の内容など）
|
EcoLinkで授業資料を配付する。 |