シラバス Syllabus

授業名 AIのためのプログラミング
Course Title Programming Language for Artificial Intelligence
担当教員 Instructor Name 楊 甲(Jia Yang)
コード Couse Code NUC202_N22B
授業形態 Class Type 講義 Regular course
授業形式 Class Format On Campus
単位 Credits 2
言語 Language JP
科目区分 Course Category 共通専門教育科目400系 / Specialized Subject 400
学位 Degree BSc
開講情報 Terms / Location 2022 UG Nisshin Term4

授業の概要 Course Overview

 IoT(Internet of Things)の進展等により様々なデータが蓄積・活用できるようになり、ビジネスシーンをはじめとした様々な場面でデータ分析能力が求められるようになっている。データ分析を効率的に行うため、機械学習分析に関するプログラミング能力は必要である。本講義ではプログラミング能力の基礎力を身に付けることで、本学ミッションの実現に貢献する。
 「AI」とは、人間の思考プロセスと同じような形で動作するプログラム、あるいは人間が知的と感じる情報処理・技術といった広い概念である。近時のAIブームの中心となっているのは、「機械学習」である。機械学習とは、人間の学習に相当する仕組みをコンピューター等で実現するものであり、一定の計算方法(アルゴリズム)に基づき、入力されたデータからコンピューターがパターンやルールを発見し、そのパターンやルールを新たなデータに当てはめることで、その新たなデータに関する識別や予測等を可能とする手法である。
 本講義ではプログラミング言語としてPythonを利用し、機械学習分析手法のプログラムの構築能力を身に付けることを目標とする。なお、本講義は、機械学習分析手法の理論よりも、研究事例の紹介などを通じて、該当手法の活用方法を教育することで、就職先で活躍できるデータサイエンティストの養成を目指している。
・機械学習分析手法に関する基礎知識が理解できる
・代表的な教師あり学習・教師なし学習のプログラムが構築できる

 With the progress of IoT (Internet of Things), various types of data have been accumulated and applied, and the ability of data analysis is required in various situations, including business situations. The programming ability to use machine learning approaches is essential for efficient data analysis. This course aims to educate basic programming skills, contributing to the realization of the mission of NUCB.
 AI is a broad concept, including an operation program like a human thinking process or information processing technology expressing human intelligence. Recently, machine learning has been at the center of AI blooming. Machine learning indicates the technology that computers can simulate the learning process of humans and usually includes two steps. Firstly, computers can recognize patterns or rules based on the proposed algorithms applied to the input data. Secondly, computers can apply the patterns and rules to new data, making the identification and forecasting process possible.
 This course educates students to master the programming ability for machine learning approaches using the Python programming language. It emphasizes applying machine learning approaches rather than theoretical education and aims to train a data scientist playing an active role in a career.
・Master basic knowledge of machine learning approaches
・Writing a program for typical supervised learning approaches and unsupervised learning approaches

本授業の該当ラーニングゴール Learning Goals

*本学の教育ミッションを具現化する形で設定されています。

LG1 Critical Thinking
LG5 Business Perspectives (BSc)

受講後得られる具体的スキルや知識 Learning Outcomes

・Pythonパッケージを用いて、機械学習のプログラムを作成する
・具体的な問題に対する適切な分析手法を選定する

・Write a machine learning program using Python package
・Propose a proper analysis approach for a specific problem

SDGsとの関連性 Relevance to Sustainable Development Goals

Goal 4 質の高い教育をみんなに(Quality Education)

教育手法 Teaching Method

教育手法 Teaching Method % of Course Time
インプット型 Traditional 50 %
参加者中心型 Participant-Centered Learning ケースメソッド Case Method 50 %
フィールドメソッド Field Method 0 %
合計 Total 100 %

学習方法、レポート、課題に対するフィードバック方法 Course Approach, Report, Feedback methods

●準備学習(予習復習等)
 教科書の全員購入が望ましい。教科書等により授業以外の時間に予習や復習が必要である。
 予習・復習は、授業スケジュールにある内容を教科書および掲示してあるファイルなどを参考に、予習100分/週、復習100分/週を推奨する。

●レポート・課題に対するフィードバック方法
 レポート・課題についての説明は講義の中で行う。

●中央情報センター(図書館)の活用について
 自学習用に参考になる書籍が所蔵されているため、積極的に活用することを推奨する。

授業スケジュール Course Schedule

第1日(Day1)

①「データから学習する能力」をコンピュータに与える(教科書1章)

②教科書1章に関するプログラムの演習

第2日(Day2)

①分類問題-単純な機械学習アルゴリズムの訓練(教科書2章)

②教科書2章に関するプログラムの演習

第3日(Day3)

①分類問題-機械学習ライブラリscikit-learnの活用(教科書3章)

②教科書3章に関するプログラムの演習

第4日(Day4)

①データ前処理―より良いトレーニングセットの構築(教科書4章)

②教科書4章に関するプログラムの演習

第5日(Day5)

①次元削減でデータを圧縮する(教科書5章)

②教科書5章に関するプログラムの演習

第6日(Day6)

①クラスタ分析-ラベルなしデータの分析(教科書11章)

②教科書11章に関するプログラムの演習

第7日(Day7)

①本講義の学修内容についてのとりまとめ

②最終試験の実施方法についての説明

成績評価方法 Evaluation Criteria

*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
講師用内規準拠 Method of Assessment Weights
コールドコール Cold Call 0 %
授業内での挙手発言 Class Contribution 10 %
クラス貢献度合計 Class Contribution Total 10 %
予習レポート Preparation Report 10 %
小テスト Quizzes / Tests 30 %
シミュレーション成績 Simulation 0 %
ケース試験 Case Exam 0 %
最終レポート Final Report 0 %
期末試験 Final Exam 50 %
参加者による相互評価 Peer Assessment 0 %
合計 Total 100 %

評価の留意事項 Notes on Evaluation Criteria

 この科目は、コンピュータを用いた演習科目であるため、講義に欠かさず出席することが重要である。
 最終試験では、専門用語の説明、記述問題などがある。一方で、プログラムの空欄補填がない。

使用ケース一覧 List of Cases

    ケースは使用しません。

教科書 Textbook

  • セバスチャン・ラシュカ、ヴァヒド・ミルジャリリ(著)、株式会社クイープ(訳)、福島真太朗(監訳)「[第3版]Python機械学習プログラミング達人データサイエンティストによる理論と実践」インプレス(2020)9784295010074

参考文献・資料 Additional Readings and Resource

「1」 総務省 「人工知能と機械学習」 URL: https://www.soumu.go.jp/ict_skill/pdf/ict_skill_3_5.pdf
「2」 国本大悟,須藤秋良(著),株式会社フレアリンク(監修) 「スッキリわかるPython入門」 インプレス (2019) ISBN-13: ‎978-4295006329
「3」 柴田望洋 「新・明解Python入門」 SBクリエイティブ株式会社 (2019) ISBN-13 : ‎978-4815601522
[4] 金城俊哉 「Pythonプログラミング逆引き大全 400の極意」 秀和システム (2021) ISBN-13: 978-4798063669
[5] 東京大学 「Pythonプログラミング入門」 URL: https://utokyo-ipp.github.io/IPP_textbook.pdf

授業調査に対するコメント Comment on Course Evaluation

初年度担当科目

担当教員のプロフィール About the Instructor 

公益財団法人豊田都市交通研究所 主席研究員
修士(工学)(中国同済大学)
博士(工学)(名古屋大学)
研究分野:交通計画学、交通経済学、交通情報工学


Chief Researcher, Toyota Transportation Research Institute
Master Degree (Engineering) awarded by Tongji University, China
Doctor Degree (Engineering) awarded by Nagoya University
Research fields: Transportation Planning, Transport Economics, Intelligent Transportation Systems

(実務経験 Work experience)

博士号を取得した後、現役の公益財団法人豊田都市交通研究所に勤めてきた。研究部に配属となり、都市交通調査、交通系ビッグデータの解析、統計データ(交通事故、交通計画)を活用した分析研究等の業務を担当する。

After receiving Doctor Degree from Nagoya University, I have been working as a researcher in Toyota Transportation Research Institute in Toyota City. My major work is related to Transportation Planning, analysis and utilization of Big data, and application of statistical data (vehicle crashes and urban transportation).






ページ上部へ戻る