情報科学部Faculty of Computer and Information Sciences
OTR100KA-CS-191(その他 / Others 100)プロジェクト(春)Project
佐藤 裕二Sato YUJI
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 情報科学部Faculty of Computer and Information Sciences |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | J0605 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 春学期授業/Spring |
曜日・時限Day/Period | 金3/Fri.3 |
科目種別Class Type | |
キャンパスCampus | 小金井 / Koganei |
教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
配当年次Grade | |
単位数Credit(s) | 1 |
備考(履修条件等)Notes | |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
選択・必修Optional/Compulsory | |
カテゴリー(2022年度以降入学者)Category (2022~) | |
カテゴリー(2021年度以前入学者)Category (~2021) | |
カテゴリーCategory |
専門教育科目 専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
We aim to survey the specialized contents of each laboratory and to cultivate the basic academic skills necessary for learning specialty. Particularly in the first semester of the second grades, one goal is to acquire the application of programming or to learn the basics of machine learning. In the first semester of the third grades, in particular, we will conduct an investigation and research on the graduation thesis of the previous year and related fields, and the goal of selecting the graduation research theme is the goal. The standard for outside study such as preparation and review of this class is 4 hours per week.
Grades will be judged comprehensively from the report 50%, the usual activity status 30%, and the presentation 20%.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
各研究室の専門内容を調査し、また専門を学ぶ上で必要となる基礎学力を養うことを目的とする。
到達目標Goal
各研究室の専門内容を調査し、また専門を学ぶ上で必要となる基礎学力を養うことを目標とする。大学2年生前期は特に、プログラミングの応用力の取得あるいは計算知能や機械学習の基礎の習得を一つの到達目標とする。大学3年生前期は特に、前年度卒論テーマの理解と関連分野の調査研究を行い、卒業研究テーマの選定を到達目標とする。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち「DP2」と「DP4-1」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
情報科学部に所属する全ての教員が、自身が得意とする分野から、半年ぐらいで完了する問題を切り出し、問題を解決するための方策を学生の進度に合わせて提示し、学生に対して、情報科学の研究パラダイムである要求仕様、モデル化、実装、評価の基本を理解させる。大学3年生前期は特に、進化計算、ニューラルネットワーク、群知能など生物や自然現象に着想を得た計算知能を中心に課題の設定を行う。大学2年生は、計算知能や機械学習の基礎の習得を目標とする。
以下、大学2年生前期の授業計画を示す。3年生前期は、前年度卒論テーマの理解と関連分野の調査研究を行い、最後に発表会を行う。例えば、小型ロボットに学んだアルゴリズムの実装を行い、環境から取得した実データ(センサーからのノイズを含んだ入力データ)を用いた実験を行う。ノイズや動作環境によって予想と異なる動きが観測され、あるいは、アルゴリズムの差によって結果に優劣の差が生じることに対する分析、考察を行い、新たな課題の発掘につなげる。
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]:ガイダンス
授業の目標、レベル、進め方、および評価基準の説明
第2回[対面/face to face]:実験1-1
テキストに記載の機械学習アルゴリズムを一つ選んで、調査・理解する
第3回[対面/face to face]:実験1-2
上記選択したアルゴリズムを用いた実験を行う
第4回[対面/face to face]:実験1-3
実験結果の分析と考察を行い、発表資料を纏める
第5回[対面/face to face]:実験1-4
発表会1
第6回[対面/face to face]:実験2-1
テキストに記載の機械学習アルゴリズムを一つ選んで、調査・理解する
第7回[対面/face to face]:実験2-2
上記選択したアルゴリズムを用いた実験を行う
第8回[対面/face to face]:実験2-3
実験結果の分析と考察を行い、発表資料を纏める
第9回[対面/face to face]:実験2-4
発表会2
第10回[対面/face to face]:実験3-1
テキストに記載の機械学習アルゴリズムを一つ選んで、調査・理解する
第11回[対面/face to face]:実験3-2
上記選択したアルゴリズムを用いた実験を行う
第12回[対面/face to face]:実験3-3
実験結果の分析と考察を行い、発表資料を纏める
第13回[対面/face to face]:実験3-4
発表会3
第14回[対面/face to face]:まとめ
最終的なディスカッション、資料の見直し、まとめ
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
1.実験を進めるために不足している知識は自ら調査し理解するように努めること
2.その上で分からなかったことをまとめ、次回の授業の中で相談できる準備を行うこと
3.授業中に完了しなかたった問題は自習までに済ませておくこと
4.本授業の準備・復習等の授業時間外学習は、各週につき4時間を標準とします
テキスト(教科書)Textbooks
(2年生用)
涌井良幸, 涌井貞美著, "Excelでわかる機械学習超入門", 技術評論社
参考書References
(3年生用)
1.前年度の卒論本体、抄録およびプログラム
2.必要に応じて授業の中で紹介
成績評価の方法と基準Grading criteria
レポート(50%)、普段の活動状況(30%)および発表内容(20%)から総合的に判断する
学生の意見等からの気づきChanges following student comments
学生により取り組む姿勢や理解の個人差が大きいため、最終的な到達度だけではなく、初めからどれだけ成長したかも考慮して評価するようにしている。