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
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
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
CLOSE