経営工学実験C(原田)のシラバス情報
科目名称 Course title(Japanese) |
経営工学実験C | 科目番号 Course number |
74BEBMS301 | |
---|---|---|---|---|
科目名称(英語) Course title(English) |
Industrial Administration Experiment C | |||
授業名称 Class name |
経営工学実験C(原田) |
教員名 | 原田 拓 |
---|---|
Instructor | Taku Harada |
開講年度学期 | 2022年度 前期 |
---|---|
Year/Semester | 2022/First Semester |
曜日時限 | 水曜4限 水曜5限 |
---|---|
Class hours | Wednesday, Fourth Period, Fifth Period |
開講学科 Department |
理工学部 経営工学科 Department of Industrial Administration |
---|---|
外国語のみの科目 (使用言語) Course in only foreign languages (languages) |
- |
単位 Course credit |
1.0 | 授業の主な実施形態 Main class format |
対面授業/On-site class |
---|
概要 Descriptions |
機械学習の手法は,「教師なし学習」,「教師あり学習」,「強化学習」に大別することができる.本実験では,「教師あり学習」に焦点を当て,ニューラルネットワークを用いた教師あり学習手法について学習する. |
---|---|
目的 Objectives |
ニューラルネットワークを用いた教師あり学習の基礎を理解し,さらに,実験を通して,その理解を深める. 本科目は,本学科のディプロマ・ポリシー「修得した専門知識や教養をもとに、自ら課題を発見し、解決する能力。」に該当する科目である. |
到達目標 Outcomes |
Pythonプログラミング技術を含めて,ニューラルネットワークを用いた教師あり学習を行うことができるようになる. |
履修上の注意 Course notes prerequisites |
ノートパソコンを持参すること.なお,課題の選択のためのガイダンスを学期の最初の実験日(水曜日または金曜日)に実施するので,必ず出席すること. |
アクティブ・ラーニング科目 Teaching type(Active Learning) |
|||
---|---|---|---|
課題に対する作文 Essay |
〇 | 小テストの実施 Quiz type test |
- |
ディベート・ディスカッション Debate/Discussion |
- | グループワーク Group work |
- |
プレゼンテーション Presentation |
〇 | 反転授業 Flipped classroom |
- |
その他(自由記述) Other(Describe) |
- |
準備学習・復習 Preparation and review |
各回の授業内容を十分に復習しておくこと. |
---|---|
成績評価方法 Performance grading policy |
授業を全て受けていることを前提とし,実験過程・実験成果・レポート・課題発表などの結果によって評価する. |
学修成果の評価 Evaluation of academic achievement |
・S:到達目標を十分に達成し、極めて優秀な成果を収めている ・A:到達目標を十分に達成している ・B:到達目標を達成している ・C:到達目標を最低限達成している ・D:到達目標を達成していない ・-:学修成果の評価を判断する要件を欠格している ・S:Achieved outcomes, excellent result ・A:Achieved outcomes, good result ・B:Achieved outcomes ・C:Minimally achieved outcomes ・D:Did not achieve outcomes ・-:Failed to meet even the minimal requirements for evaluation |
教科書 Textbooks/Readings |
・教科書を使用する場合は、MyKiTS(教科書販売サイト)から検索・購入可能ですので以下のURLにアクセスしてください。 https://gomykits.kinokuniya.co.jp/tokyorika/ ・Search and purchase the necessary textbooks from MyKiTS (textbook sales site) with the link below. https://gomykits.kinokuniya.co.jp/tokyorika/ |
参考書・その他資料 Reference and other materials |
適宜紹介する. |
授業計画 Class plan |
1.Pythonプログラミングの基礎 Pythonプログラミングに関して,特に,Numpy,Pandas,Matplotlib,Jupyter Notebookについて理解する. 2.プログラミング環境の構築 機械学習のためのフレームワークの1つであるTensorFlowを用いた基本的プログラミングを理解する.さらに,画像処理ライブラリであるOpenCVを用いた基本的プログラミングを理解する. 3.ニューラルネットワークの基礎(その1) ニューラルネットワークの基礎について理解する. 4.ニューラルネットワークの基礎(その2) ニューラルネットワークの基礎について理解する. 5.リカレントニューラルネットワークを用いた時系列予測 リカレントニューラルネットワークを用いた時系列予測の方法について理解する. 6.OpenCVの利用 画像処理ライブラリであるOpenCVを用いた画像データの処理方法について,さらに深く理解する. 7.移動するボールの停止位置の時系列予測(予備実験) 移動するボールをカメラで計測し,その画像を用いて,ボールの停止位置の時系列予測を行う.今回の実験は予備実験である. 8.移動するボールの停止位置の時系列予測(本実験) 予備実験の結果を踏まえて設計したニューラルネットワーク構造を用いて本実験を行う. 9.畳込みニューラルネットワークの基礎 畳込みニューラルネットワークの基礎について理解する. 10.畳込みニューラルネットワークを用いたクラス分類学習(その1) 畳込みニューラルネットワークを用いたクラス分類学習について理解する. 11.畳込みニューラルネットワークを用いたクラス分類学習(その2) 畳込みニューラルネットワークを用いたクラス分類学習について理解する. 12.手書き文字のクラス分類学習(予備実験:その1) 手書き文字をカメラで撮影し,その画像を用いてクラス分類学習を行う.今回の実験は予備実験である. 13.手書き文字のクラス分類学習(予備実験:その2) 手書き文字をカメラで撮影し,その画像を用いてクラス分類学習を行う.今回の実験は予備実験である. 14.手書き文字のクラス分類学習(本実験) 予備実験の結果を踏まえて設計したニューラルネットワーク構造を用いて本実験を行う. 15.実験のまとめ 本実験についてまとめ,理解を深める. |
---|
教職課程 Teacher-training course |
|
---|---|
実務経験 Practical experience |
- |
教育用ソフトウェア Educational software |
- |
備考 Remarks |
- |
---|
9974518 |