2025年 理工学部 シラバス - 応用情報工学科
設置情報
| 科目名 | 応用情報工学キャリアデザイン | ||
|---|---|---|---|
| 設置学科 | 応用情報工学科 | 学年 | 3年 |
| 担当者 | 香取・高橋 他 | 履修期 | 後期 |
| 単位 | 1 | 曜日時限 | 木曜1 |
| 校舎 | 船橋 | 時間割CD | K41D |
| クラス | |||
| 履修系統図 | 履修系統図の確認 | ||
概要
| 学修到達目標 | データサイエンス，機械学習，深層学習の基礎を養い，基本的なプログラミング能力を身につけるとともに実践的な研究遂行法を身につける。 |
|---|---|
| 授業形態及び 授業方法 |
「対面授業」 ゼミ形式で，適宜演習を交えながら進める。 |
| 履修条件 | 特になし。 |
| ディプロマ・ポリシー（DP）及びカリキュラム・ポリシー（CP）との関連 | 本授業科目はDP1・3・4・5・6・7及びCP1・3・4・5・6・7に該当しています。 |
授業計画
| 第1回 | 時系列処理，計算機視覚・聴覚，医学・薬理学，生成AI（深層生成モデル），責任あるAIに関する研究の紹介及びゼミナールの進め方の紹介 | 【事前学修】シラバスの内容やその他公開している情報を確認の上，授業に臨むこと。 【事後学修】授業内容を再確認し，学生間で議論の上，次回の授業に臨むこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
|---|---|---|---|
| 第2回 | プログラミング，機械学習，深層学習に関するゼミ形式による学習と演習 | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第3回 | Pythonプログラミングに関するゼミ形式による学習と演習Ⅰ | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第4回 | Pythonプログラミングに関するゼミ形式による学習と演習Ⅱ | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第5回 | 表形式データ（構造化データ）の処理（集計，ランキング，代表値，ばらつき，統計量，分布），データ表現，データ可視化に関するゼミ形式による学習と演習 | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第6回 | 教師あり学習（分類，決定木），教師なし学習（次元削減，クラスタリング）の基礎に関するゼミ形式による学習とデータサイエンストライアル | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第7回 | 教師なし学習（次元削減，クラスタリング）の発展に関するゼミ形式による学習とデータサイエンストライアル | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第8回 | ニューラルネットワークに関するゼミ形式による学習と演習 | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第9回 | 非構造化データ（画像）を対象とした畳み込みニューラルネットワーク（CNN），説明可能なAI（XAI）に関するゼミ形式による学習と演習 | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第10回 | 深層生成モデルである変分オートエンコーダ（VAE），敵対的生成ネットワーク（GAN）に関するゼミ形式による学習と非構造化データ（画像）を対象とした画像生成トライアル | 【事前学修】事前に提示した資料を読んで理解できない箇所を質問できるようまとめておくこと。 【事後学修】与えられた課題を学⽣間で議論し発表できるようにしておくこと。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第11回 | 深層生成モデルである拡散モデル，大規模言語モデル（LLM)に関するゼミ形式による学習と非構造化データ（画像・言語）を対象としたトライアル | 【事前学修】これまでの学修内容を踏まえて各自で課題を設定し，その課題について説明できるようにしておくこと。 【事後学修】質疑応答を踏まえ課題として取り組む内容や計画を見直し改善すること。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第12回 | 説明可能なAI(XAI)，深層生成モデル・生成AI，表形式データ解析に関する課題の策定 | 【事前学修】各自の実施内容について説明できるようにしておくこと。 【事後学修】取り組んでいる課題について問題点があったら改善策を考え，紹介された研究内容について不明な点は質問できるようにすること。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第13回 | 説明可能なAI(XAI)，深層生成モデル・生成AI，表形式データ解析に関する課題の実施およびXAI，深層生成モデル，時系列処理の活用に関する研究の紹介 | 【事前学修】各自の実施内容について説明できるようにしておくこと。 【事後学修】取り組んでいる課題について問題点があったら改善策を考え，紹介された研究内容について不明な点は質問できるようにすること。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第14回 | 説明可能なAI(XAI)，深層生成モデル・生成AI，表形式データ解析に関する課題の実施および医療ビッグデータの解析と活用に関する研究の紹介 | 【事前学修】各自の実施内容について説明できるようにしておくこと。 【事後学修】取り組んでいる課題について問題点があったら改善策を考え，紹介された研究内容について不明な点は質問できるようにすること。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
| 第15回 | 説明可能なAI(XAI)，深層生成モデル・生成AI，表形式データ解析に関する課題の発表 | 【事前学修】発表の準備をしておくこと。 【事後学修】質疑応答を踏まえ改善点を考えること。 | 【事前学修】0.5時間 【事後学修】0.5時間 |
その他
| 教科書 |
なし
|
|---|---|
| 参考書 |
岡谷 貴之 『深層学習 改訂第2版 』 機械学習プロフェッショナルシリーズ 講談社 2022年
柴田 淳 『みんなのPython 第4版 』 SBクリエイティブ 2016年
「深層学習 改訂第2版」は数式を追いかけると大変かもしれませんが，扱われている内容が深層学習の概要を知るのに適しており，卒業研究でも役立つと思います。
「みんなのPython 第4版 」は最近使っていませんが，昔は授業に使用していました。授業の中で身につけてもらいたい内容は網羅されていると思います。
|
| 成績評価の方法 及び基準 |
課題演習50%，レポート・成果発表50% |
|
定期試験等に ついて |
平常点やレポート等の課題による評価予定 |
| 質問への対応 | 随時受け付ける。 |
| 研究室又は 連絡先 |
関 弘翔（船橋校舎２号館３階２３３室） seki.hiroto@nihon-u.ac.jp |
| オフィスアワー |
月曜 船橋 12:15 ～ 13:00
|
| 学生への メッセージ |
Pythonプログラミングを通して，機械学習・深層学習を応用した課題解決の素養を身に着けることを目指します。 技術の変遷が激しい分野であるため，自主的に調査し検討できる学生を歓迎します。 |