シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	計算機特別演習Ａ／Exercise in Computational Science A
時間割コード／Course Code	S241000012
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／
曜日コマ／Day, Period	火　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	守真太郎／MORI SHINTARO
科目区分／Course Group	大学院（博士前期課程）　専門科目
教室／Classroom
必修・選択／Required/Elective	選択
授業形式／Class Format	講義科目
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
守真太郎／MORI SHINTARO	理工学研究科／

難易度（レベル）／Level	レベル５
対応するＤＰ／DP	DP１・DP２
授業としての具体的到達目標／Concrete arrival target as the class	○自身の専門領域を修めるために必要となる情報技術について，学識を得ること（見通す力） ○パソコンを用いてデータを分析する力を養う(解決していく力） ○AIを用いてPBL課題に取り組むことで、AIを駆使したデータ分析で課題を解決していく（解決する力
授業の概要／Summary of the class	「計算科学応用演習」または教養教育科目「データサイエンス発展I」を履修し、Pythonプログラミングでデータ分析の経験がある者を対象とする。AIのアルゴリズムを学び、具体的な課題を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。
授業の内容予定／Contents plan of the class	1(4/16). 機械学習とニューラルネットワーク 2(4/23). ディープラーニング 3(4/30). 機械学習のアルゴリズム1 4(5/7). 機械学習のアルゴリズム2：さまざまな機械学習アルゴリズム 5(5/14). 画像データ分析1:画像処理 6(5/21). 画像データ分析2: 畳み込みニューラルネットワーク 7(5/28). 画像分類問題に取り組む1:データの確認とモデル化の準備 8(6/4). 画像分類問題に取り組む2:モデルの作成 9(6/11). テキストデータ分析1: 自然言語処理の基礎 10(6/18). テキストデータ分析2: ニューラルネットワーク 11(6/25). 課題解決に挑戦1: 課題設定と分析手法の決定 12(7/2). 課題解決に挑戦2: 分析に取り組む 13(7/9). 課題解決に挑戦3: モデル化に取り組む 14(7/23). 課題解決に挑戦4: コンペに挑戦 15(7/30). 課題解決に挑戦5: 分析レポートの作成
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	eラーニング教材の履修状況(70%)ならびに最終課題の成果(30%)によって評価する。
予習及び復習等の内容／Contents such as preparations for lessons and the review	eラーニング教材教材のリストをもとに検索することで、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます(予習、復習は、最低でも各1時間程度行う必要があります)。
教材・教科書／The teaching materials, textbook	教科書を使用しない。
参考文献／bibliography	下山輝昌、松田雄馬、三木孝行(著)、「Python実践データ分析100本ノック」、秀和システム (2019)。
留意点・予備知識／Point to keep in mind, back ground	学部専門科目・数物科学科「計算科学応用演習」、なたは教養教育科目「データサイエンス発展I」の単位が修得済みであること。
授業内容に関する質問・疑義等／Question, doubt about class contents	Teamsのチャット機能、掲示板、メール等で質問すること。
Eメールアドレス・HPアドレス／E-mail address, HP address	メール：shintaro.mori@hirosaki-ua.c.jp
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	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	○授業の最初の10回はe-learning教材を自習する形式で実施する。 ○後半の5回では課題解決学習に取り組む。詳細は授業で発表する。
科目ナンバー／The subject number	0
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	有／Yes
その他／Others

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

開講科目名／Course	計算機特別演習Ａ／Exercise in Computational Science A
時間割コード／Course Code	S241000012
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／
曜日コマ／Day, Period	火　4
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	守真太郎／MORI SHINTARO
科目区分／Course Group	大学院（博士前期課程）　専門科目
教室／Classroom
必修・選択／Required/Elective	選択
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル５
対応するＤＰ／DP	DP１・DP２
授業としての具体的到達目標／Concrete arrival target as the class	○自身の専門領域を修めるために必要となる情報技術について，学識を得ること（見通す力） ○パソコンを用いてデータを分析する力を養う(解決していく力） ○AIを用いてPBL課題に取り組むことで、AIを駆使したデータ分析で課題を解決していく（解決する力
授業の概要／Summary of the class	「計算科学応用演習」または教養教育科目「データサイエンス発展I」を履修し、Pythonプログラミングでデータ分析の経験がある者を対象とする。AIのアルゴリズムを学び、具体的な課題を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。
授業の内容予定／Contents plan of the class	1(4/16). 機械学習とニューラルネットワーク 2(4/23). ディープラーニング 3(4/30). 機械学習のアルゴリズム1 4(5/7). 機械学習のアルゴリズム2：さまざまな機械学習アルゴリズム 5(5/14). 画像データ分析1:画像処理 6(5/21). 画像データ分析2: 畳み込みニューラルネットワーク 7(5/28). 画像分類問題に取り組む1:データの確認とモデル化の準備 8(6/4). 画像分類問題に取り組む2:モデルの作成 9(6/11). テキストデータ分析1: 自然言語処理の基礎 10(6/18). テキストデータ分析2: ニューラルネットワーク 11(6/25). 課題解決に挑戦1: 課題設定と分析手法の決定 12(7/2). 課題解決に挑戦2: 分析に取り組む 13(7/9). 課題解決に挑戦3: モデル化に取り組む 14(7/23). 課題解決に挑戦4: コンペに挑戦 15(7/30). 課題解決に挑戦5: 分析レポートの作成
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	eラーニング教材の履修状況(70%)ならびに最終課題の成果(30%)によって評価する。
予習及び復習等の内容／Contents such as preparations for lessons and the review	eラーニング教材教材のリストをもとに検索することで、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます(予習、復習は、最低でも各1時間程度行う必要があります)。
教材・教科書／The teaching materials, textbook	教科書を使用しない。
参考文献／bibliography	下山輝昌、松田雄馬、三木孝行(著)、「Python実践データ分析100本ノック」、秀和システム (2019)。
留意点・予備知識／Point to keep in mind, back ground	学部専門科目・数物科学科「計算科学応用演習」、なたは教養教育科目「データサイエンス発展I」の単位が修得済みであること。
授業内容に関する質問・疑義等／Question, doubt about class contents	Teamsのチャット機能、掲示板、メール等で質問すること。
Eメールアドレス・HPアドレス／E-mail address, HP address	メール：shintaro.mori@hirosaki-ua.c.jp
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	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	○授業の最初の10回はe-learning教材を自習する形式で実施する。 ○後半の5回では課題解決学習に取り組む。詳細は授業で発表する。
科目ナンバー／The subject number	0
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	有／Yes
その他／Others

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information