シラバス参照
シラバス参照
| 科目一覧へ戻る | 2023/03/17 現在 |
| 科目名／Subject | 社会情報特講III |
|---|---|
| 担当教員（所属）／Instructor | 大堀 隆文 (商学部) |
| 授業科目区分／Category | 昼間コース 学科別専門科目 |
| 開講学期／Semester | 2018年度／Academic Year 前期／Spring Semester |
| 開講曜限／Class period | 月/Mon 4 |
| 対象所属／Eligible Faculty | 商学部／Faculty of Commerce |
| 配当年次／Years | 3年 , 4年 |
| 単位数／Credits | 2 |
| 研究室番号／Office | |
| オフィスアワー／Office hours |
| 更新日／Date of renewal | 2018/02/28 | ||
|---|---|---|---|
| 授業の目的・方法 ／Course Objectives and method |
本講義では、画像認識、情報推薦、自動運転など様々な分野において画期的成果が得られている深層学習の概要を学。本書では深層学習の本質をできるだけ数理表現を用いずに説明し、読者が深層学習に興味や面白さを感じ、学習への意欲を引き出す例題や課題を用意し数学が苦手な文科系の読者を考慮し、高レベルな数学表現を極力減らし身近な話題から例題、課題を作成した。 | ||
| 達成目標 ／Course Goals |
・問題を正しく把握し深層学習のモデルに定式化できる。 ・モデルをプログラミング言語で実現するか、深層学習の実行環境を利用できる技術を身につける。 ・得られた解を吟味しモデルの再検討や改良ができる。 |
||
| 授業内容 ／Course contents |
第1〜3回：深層学習の概要とその歴史、および従来のニューラルネットとの違いを学ぶ。 第4～6回：深層学習の主な学習対象であるパターン認識の概要を述べた後、前処理、特徴抽出と識別法を学ぶ。さらに数値例を用いて理解を深める。 第7～9回：深層学習の基礎としてのニューラルネット学習について、概要とモデル、パーセプトロンの学習により論理課題と文字認識課題を解く方法を学ぶ。 第10～12回：深層学習について、その考え方から数学的基礎、アルゴリズム、従来手法との違いについて述べる。 第13～15回： 深層学習の実行環境と実行サイトの中で、プログラミングなしで実行できるクラウド実行環境のAzure MLについて、概要とその使用例を述べる。 |
||
| 使用教材 ／Teaching materials |
教科書は使用しない。参考書「例題で学ぶExcel入門」、大堀他共著(コロナ社)、「例題で学ぶ知能情報入門」大堀他共著(コロナ社)。 | ||
| 成績評価の方法 ／Grading |
基本的には、授業中の出席と小テストを50%、4回のレポート課題を50%とウェイトづけして評価する。 | ||
| 成績評価の基準 ／Grading Criteria |
小樽商科大学の標準的な評価基準に従って評価する。 秀 (100-90)総合評価 100〜90％ 優 (89-80)総合評価 89〜80％ 良 (79-70)総合評価 79〜70％ 可 (69-60)総合評価 69〜60％ 不可(59-0) 総合評価 59％以下 |
||
| 履修上の注意事項 ／Remarks |
高等学校の数学Ⅰ程度の数学を用いるが、その他の数学が必要な場合はその都度丁寧に説明するので数学が苦手な学生諸君の受講も歓迎する。 | ||
| 遠隔授業 ／Online class |
|