基本情報/Basic Information

開講科目名 ／Course	医用機械知能工学演習
時間割コード ／Course Code	5242000003
ナンバリングコード ／Numbering Code
開講所属 ／Course Offered by	医学部保健学科／
曜日コマ ／Day, Period	月／Mon　1
開講区分 ／Semester offered	後期／second semester
単位数 ／Credits	1.0
学年 ／Year	2,3,4
主担当教員 ／Main Instructor	野坂 大喜／NOZAKA HIROYUKI
科目区分 ／Course Group	専門教育科目　専門科目
教室 ／Classroom
必修・選択 ／Required/Elective	必修
授業形式 ／Class Format	演習科目
メディア授業 ／Media lecture	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Faculty/Department
野坂 大喜／NOZAKA HIROYUKI	保健学研究科／

難易度（レベル） ／Level	レベル2
対応するＣＰ／ＤＰ ／CP/DP	CP・DP　２　解決していく力
授業としての具体的到達目標 ／Concrete arrival target as the class	○医療用AIモデルの構築方法について基礎的知識を修得する (解決していく力) ○学習用データがAI診断に及ぼす影響を踏まえ，AIの有用性と限界について理解する (解決していく力)
授業の概要 ／Summary of the class	○人工知能（AI）やモノのインターネット（IoT）など情報技術を統合した新たな医用システム技術について，知識と手法を学びます。 ○医療における自動診断技術や自動制御技術について演習を通じて，利点と限界点を検証していきます。
授業の内容予定 ／Contents plan of the class	第01回 (10/2):人工知能(AI)の基礎的知識と深層学習法の概要 第02回 (10/7):深層学習の基礎-パーセプトロンと伝搬- 第03回 (10/15):深層学習のためのデータ準備 第04回 (10/28):ニューラルネットワークにおける処理と活性化関数 第05回 (11/11):AI学習環境の準備と基本操作(演習) 第06回 (11/18):深層学習の基礎－Deep Learning の基礎と学習条件の設定－(演習) 第07回 (11/25):深層学習の基礎－深層学習アーキテクチャと活性化関数の効果－(演習) 第08回 (12/2):深層学習によるAIモデルの作成－オリジナルデータを用いた医療AI モデルの作成方法1－(演習) 第09回 (12/9):深層学習によるAIモデルの作成－オリジナルデータを用いた医療 AIモデルの作成方法2－(演習) 第10回 (12/16):深層学習によるAIモデルの作成－AI解析結果の可視化－(演習) 第11回 (12/23):自然言語処理と生成AI－自然言語処理と ChatGPTによる自動化－(演習) 第12回 (1/6):深層学習によるAIモデルの作成－画像分類 AIモデル－(演習) 第13回 (1/14):深層学習によるAIモデルの作成－数値データの解析－(演習) 第14回 (1/20):深層学習によるAIモデルの作成－深層学習による疾病判定モデル解析－(演習) 第15回 (1/27):深層学習アルゴリズム－教師学習、教師なし学習、半教師あり学習、敵対的生成ネットワーク－ 第16回 (2/3):医用機械知能工学のまとめと振り返り(期末試験を含む)
成績評価方法及び採点基準 ／A scholastic evaluation method and marking standard	○3分の2以上の出席が必要です。規定出席回数に満たない者は不合格とします。 ○成績評価は期末試験(70%)と課題(30%)をもって100点満点で評価します。 ○原則としてともに60点以上を合格基準とします。
予習及び復習等の内容 ／Contents such as preparations for lessons and the review	○情報処理の基礎知識(特に数理・データサイエンスリテラシー)について事前学習が重要です。 ○1単位の取得には学則に基づき30時間の演習に対して15時間の自学･自習を行うことが必要です。
教材・教科書 ／The teaching materials, textbook	Excelでわかるディープラーニング超入門 涌井良幸，涌井貞美著 技術評論社 ISBN 978-4-7741-9474-5
参考文献 ／bibliography	○初めてのディープラーニング リックテレコム ○初めてのTensor Flow リックテレコム ○Watson Studioで始める機械学習・深層学習 リックテレコム ○機械学習入門 秀和システム ○Neural Network Console入門 リックテレコム
留意点・予備知識 ／Point to keep in mind, back ground	○履修にあたり，関連する既習科目(特に数理・データサイエンスリテラシー)の内容を理解していることが必要です。 ○端末を使用して演習を行いますが，自らパソコン等での復習も心がけてください。
授業内容に関する質問・疑義等 ／Question, doubt about class contents	オフィスアワー 月曜日：13:00～15:30 Teamsにて事前連絡してください
Eメールアドレス・HPアドレス ／E-mail address, HP address	hnozaka「A」hirosaki-u.ac.jp 「A」は＠と置き換える
学問分野1（主学問分野） ／Discipline 1	J60:情報科学、情報工学およびその関連分野
学問分野2（副学問分野） ／Discipline 2	J62:応用情報学およびその関連分野
学問分野3（副学問分野） ／Discipline 3	Z95:学際・新領域
実務経験のある教員による授業科目について ／About the class subject by the teacher with the work experience	実務経験
地域志向科目 ／Local intention subject	なし
授業形態・授業方法 ／Class form, class method	講義：スライドを用いて授業を行います。課題を課す場合があります。 演習：個人でPCを使用した演習を行います。時間内での演習の他、自宅等での追加演習課題とレポート提出を課します。
科目ナンバー ／The subject number
メディア授業による著作物利用の有無について ／Whether or not copyrighted works are used in media classes	無／Nothing
その他 ／Others	○Teamsを用いて資料配付を行うので，アプリをインストールしておいてください。 ○履修登録の情報をもとに，Teams上に履修者として登録するので，本科目が登録されているか確認してください。 ○登録されていない場合は，保健学研究科学務グループ（Email : jm5913@hirosaki-u.ac.jp ）へ問い合わせてください。 ○臨床検査技師/民間企業システム開発担当としての実務経験を踏まえた講義（演習、実習）の内容としています

No.	回（日時） ／Time (date and time)	主題と位置付け（担当） ／Subjects and instructor's position	学習方法と内容 ／Methods and contents	備考 ／Notes
該当するデータはありません