授業の目標 |
|
日本語
|
|
データサイエンスはデータを元に社会の様々な課題に取り組むための重要なアプローチである。本演習授業は、e-Learning教材を用いて、データサイエンスのツールとしてのディープラーニングに関して学ぶ。ディープラーニングを研究やビジネスに活用できる基礎的なレベルまでを身につけることを目標とする。
|
|
英 語
|
|
Data science is an important approach to tackle various social issues based on data. In this class, you will learn about Deep Learning as a data science tool using e-Learning teaching materials. The goal is to acquire the basic skills to utilize Deep Learning in research and business.
|
| |
|
|
授業の内容 |
|
日本語
|
（オンデマンド）第1週．データサイエンス概論
- データ駆動型社会
- Society 5.0
- データサイエンスの活用事例
- ビッグデータ
- ビッグデータの収集と蓄積
- クラウドサービス
- ビッグデータの活用事例
- ITセキュリティ
（オンデマンド）第2週 AI概論
- AIの歴史
- AIの応用
- AIと社会
- AIの構築と運用
（オンデマンド）第3週．ニューラルネットワークの数学
- ニューラルネットワークの原理
- 順伝播
（オンデマンド）第4週．ニューラルネットワークの数学
- ニューラルネットワークの学習
- 逆伝播
（オンデマンド）第5,6週．ニューラルネットワークの実装
- Kerasによる分類モデルの実装
- 学習済みモデルの保存と推論
（オンデマンド）第7週．ニューラルネットワークの実装
- Kerasによる回帰モデルの実装
（オンデマンド）第8,9週．画像処理とディープラーニング
- 画像データとは
- 特徴抽出
- 画像処理の基礎
- CNNの構造と概要
（オンデマンド）第10週．画像分類の実装
- CNNによる手書き文字分類
（オンデマンド）第11,12週．系列モデリングとディープラーニング
- 再帰型ニューラルネットワークの原理
- LSTM
（オンデマンド）第13週．系列解析
- 株価の実データを用いたLSTMの実装
（オンデマンド）第14週．自然言語処理とディープラーニング
- MeCabを用いた形態素解析
- Bag of Wordsで特徴量変換
- 文書分類の実装
（オンデマンド）第15週．機械翻訳・チャットボットの実装
- Seq2Seqの概要と実装方法を英日翻訳のモデル実装を通して学ぶ
本学の新型コロナウィルス感染拡大防止のための活動基準の変更に伴い、授業内容および成績の評価法に変更が生じる場合があります。
授業実施形態が変更になる場合は、GoogleClassroomや教務情報システムより通知する。
|
|
英 語
|
On-demand (You can take the class whenever you want.) using e-Learning materials in Japanese.
(On-demand) Week 1. Introduction to Data Science
- Data-driven society
- Society 5.0
- Examples of data science use
- big data
- Collecting and accumulating big data
- Cloud service
- Examples of using big data
- IT security
(On-demand) Week 2 AI introduction
- History of AI
- Application of AI
- AI and society
- Construction and operation of AI
(On-demand) Week 3. Neural network mathematics
- Neural network principle
- Forward propagation
(On-demand) Week 4. Neural network mathematics
- Neural network learning
- Back propagation
(On-demand) Weeks 5 and 6. Neural network implementation
- Implementation of classification model by Keras
- Storage and inference of trained model
(On-demand) Week 7. Neural network implementation
- Implementation of regression model by Keras
(On-demand) Weeks 8 and 9. Image processing and deep learning
- Image data is feature extraction
- Basics of image processing
- Structure and outline of CNN.
(On-demand) Week 10. Implementation of image classification
- Handwritten character classification by CNN
(On-demand) Weeks 11 and 12. Series modeling and deep learning
- Principle of recurrent neural network
(On-demand) Week 13. Series analysis
- Implementation of LSTM using actual stock price data
(On-demand) Week 14 Natural language processing and deep learning
- Morphological analysis using MeCab
- Feature conversion with Bag of Words
- Implementation of document classification
(On-demand) Week 15. Implementation of machine translation and chatbot
- Learn the outline and implementation method of Seq2Seq through model implementation of English-Japanese translation
If there will be any changes regarding Toyohashi University of Technology Activity Restrictions Level for
Preventing the Spread of Corona virus, the course content and evaluation of achievement are subject to change.
If there is any changes about a class schedule, I will inform you on Google Classroom or KYOMU JOHO SYSTEM.
|
| |
|
|
予習・復習内容 |
|
日本語
|
|
予習(30分）と復習（30分）には、Moodle 上に公開されたeラーニング教材を参照する。
|
|
英 語
|
|
e-Learning materials are supplied in Moodle for preparation and review for around 30 minutes each.
|
| |
|
|
備考 |
|
日本語
|
|
本演習を受講するにあたりプログラミング演習と数理・データサイエンス演習基礎を履修していることが望ましい
|
|
英 語
|
|
In order to take this exercise, it is desirable to take “Programming” and “Mathematical and Data Science Exercise.”
|
| |
|
|
|
|
関連科目 |
|
日本語
|
|
データサイエンス演習基礎、数理･データサイエンス演習基礎、プログラミング演習
|
|
英 語
|
|
Data Science Exercise, Mathematical and Data Science Exercise, and Programming
|
| |
|
|
教科書
|
|
|
|
|
|
教科書に関する補足事項 |
|
日本語
|
|
|
|
英 語
|
|
|
| |
|
|
参考書
|
|
|
|
|
|
参考書に関する補足事項 |
|
日本語
|
|
|
|
英 語
|
|
|
| |
|
|
達成目標 |
|
日本語
|
1. ニューラルネットワークの基礎となる数学的知識を理解している
2. Kerasを用いた実装技術を理解している
3. データサイエンスの実応用について理解している
|
|
英 語
|
1. To understand the mathematical knowledge underlying neural networks.
2. To understand the implementation method using Keras.
3. To understand practical applications of Data Science.
|
| |
|
|
成績の評価法(定期試験、課題レポート等の配分)および評価基準 |
|
日本語
|
演習に出席した上で期限内に提出されたレポートについて、合計点で評価する。1本でもレポートの未提出がある場合は単位の修得を認めない。また、特段の事情のない欠席には厳正に対処する。S: 90点以上 A: 80点以上 B: 70点以上 C: 60点以上
|
|
英 語
|
Students who study all of 15 e-Learning materials will be evaluated by
reports shown in the teaching materials.
S: 90% or higher A: 80-89% B: 70-79% C: 60-69%
|
| |
|
|
定期試験 |
|
日本語
|
|
試験期間中には何も行わない
|
|
英 語
|
|
None during exam period
|
| |
|
| |
|
定期試験詳細 |
|
日本語
|
|
|
|
英 語
|
|
|
| |
|
|
その他 |
|
日本語
|
|
|
|
英 語
|
|
|
| |
|
|
ウェルカムページ |
|
日本語
|
|
|
|
英 語
|
|
|
| |
|
|
オフィスアワー（教員の連絡先は教務情報システムからシラバス検索してください） |
|
日本語
|
|
火曜 午後 ４ 時-５ 時
|
|
英 語
|
|
Thuesday 4-5 p.m.
|
| |
|
|
ディプロマポリシーとの対応 |
|
日本語
|
(D1)電気・電子情報工学の基盤となる物理，化学，電気・電子回路，制御，システム工学，材料工学，エネルギー変換工学，情報通信等の諸学問に関する知識を獲得し，それらを問題解決に応用できる実践的・創造的能力を身につけている。
|
|
英 語
|
(D1) Acquire knowledge in various disciplines underlying electrical and electronic information engineering, including physics, chemistry, electric/electronic circuits, control, system engineering, material engineering, energy conversionenergy conversion engineering as well as information and communication; and have the practical and creative skills to apply such knowledge to problem solving
|
| |
|
|
キーワード |
|
日本語
|
|
機械学習、データサイエンス
|
|
英 語
|
|
Machine Learning, Data Science
|
| |
|
|
|