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	医用機械知能工学演習
時間割コード／Course Code	5262000005
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／ School of Health Sciences
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	宮崎航／MIYAZAKI WATARU
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
門前暁／MONZEN SATORU	保健学研究科／
千葉満／CHIBA MITSURU	保健学研究科／
宮崎航／MIYAZAKI WATARU	保健学研究科／
宮川　京大／MIYAKAWA KEITA	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 (10/5):人工知能(AI)の基礎的知識と深層学習法の概要第02回 (10/14):深層学習の基礎-パーセプトロンと伝搬- 第03回 (10/19):深層学習のためのデータ準備第04回 (10/26):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 (11/2):AI学習環境の準備と基本操作(演習) 第06回 (11/16):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 (11/30):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 (12/7):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 (12/14):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 (12/21):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 (1/7):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 (1/12):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 (1/18):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 (1/25):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 (2/1):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－, 振り返り
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	出席日数条件（2/3以上の出席）を満たしていることを前提として，各担当教員が課した課題あるいはレポートの採点結果の総点が60点以上となることをもって合格と判定します。課題において指示があった場合に生成AIの使用を認める。ただし，生成AI利用によるレポート作成は認めない．
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	教科書は指定しない
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	各教員にメールにて問い合わせのこと。
Eメールアドレス・HPアドレス／E-mail address, HP address	宮崎航：miya［A］hirosaki-u.ac.jp 千葉満：mchiba32［A］hirosaki-u.ac.jp 門前暁：monzens［A］hirosaki-u.ac.jp 宮川京大：miyakawa［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	M2-2-3308-J60
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。

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	医用機械知能工学演習
時間割コード／Course Code	5262000005
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／ School of Health Sciences
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	宮崎航／MIYAZAKI WATARU
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	－

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 (10/5):人工知能(AI)の基礎的知識と深層学習法の概要第02回 (10/14):深層学習の基礎-パーセプトロンと伝搬- 第03回 (10/19):深層学習のためのデータ準備第04回 (10/26):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 (11/2):AI学習環境の準備と基本操作(演習) 第06回 (11/16):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 (11/30):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 (12/7):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 (12/14):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 (12/21):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 (1/7):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 (1/12):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 (1/18):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 (1/25):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 (2/1):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－, 振り返り
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	出席日数条件（2/3以上の出席）を満たしていることを前提として，各担当教員が課した課題あるいはレポートの採点結果の総点が60点以上となることをもって合格と判定します。課題において指示があった場合に生成AIの使用を認める。ただし，生成AI利用によるレポート作成は認めない．
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	教科書は指定しない
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	各教員にメールにて問い合わせのこと。
Eメールアドレス・HPアドレス／E-mail address, HP address	宮崎航：miya［A］hirosaki-u.ac.jp 千葉満：mchiba32［A］hirosaki-u.ac.jp 門前暁：monzens［A］hirosaki-u.ac.jp 宮川京大：miyakawa［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	M2-2-3308-J60
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。

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information