年度 |
2025年度 |
開講部局 |
人間社会科学研究科博士課程前期教育科学専攻教育データサイエンスプログラム |
講義コード |
WNF03000 |
科目区分 |
専門的教育科目 |
授業科目名 |
機械学習の基礎 |
授業科目名 (フリガナ) |
|
英文授業科目名 |
Basics of Machine Learning |
担当教員名 |
田中 秀幸,原田 裕輔 |
担当教員名 (フリガナ) |
タナカ ヒデユキ,ハラダ ユウスケ |
開講キャンパス |
東広島 |
開設期 |
1年次生 前期 2ターム |
曜日・時限・講義室 |
(2T) 水5-8:教K115 |
授業の方法 |
演習 |
授業の方法 【詳細情報】 |
対面, オンライン(オンデマンド型) |
講義中心、演習中心、ディスカッション、学生の発表、 |
単位 |
2.0 |
週時間 |
4 |
使用言語 |
J
:
日本語 |
学習の段階 |
5
:
大学院基礎的レベル
|
学問分野(分野) |
24
:
社会科学 |
学問分野(分科) |
07
:
教育学 |
対象学生 |
教育データサイエンスプログラム |
授業のキーワード |
機械学習,データサイエンス,人工知能(AI),社会科学,教育 |
教職専門科目 |
|
教科専門科目 |
|
プログラムの中での この授業科目の位置づけ (学部生対象科目のみ) | 教育におけるDXやデータサイエンス・AIの活用について基礎となるプログラミングおよび機械学習について,基礎から学ぶ。 |
---|
到達度評価 の評価項目 (学部生対象科目のみ) | |
授業の目標・概要等 |
本講義では機械学習の基礎について学ぶ。Python によってプログラミングの基礎からを学んだ上で,機械学習を経験しながら実践的な知識の習得を目指す。 |
授業計画 |
第1回:ガイダンス。実行環境の構築。Pythonの基礎(1) 第2回:Pythonの基礎(2): 条件分岐の書き方と活用例,ループ処理の書き方と典型的なパターン, 第3回:Pythonの基礎(3): リストやタプル,辞書(dict)等の主要なコレクション型.反復処理やリスト内包表記。 第4回:Pythonの基礎(4): 関数定義やスコープなどの仕組み。モジュール・パッケージの基本的な使い方。 第5回:NumPyの基礎(1): 概要と特徴。配列の基本操作。 第6回:NumPyの基礎(2): 配列同士の演算やブロードキャスト等。NumPyのユニバーサル関数(数学関数)や統計関数の活用。 第7回:pandasを使ったデータ操作(1): Series・DataFrameといったデータ構造の概念。 第8回:pandasを使ったデータ操作(2): pandasを活用した実践的なデータクリーニング・加工手法。欠損値処理や重複データの扱い等。 第9回:pandasを使ったデータ操作(3): 可視化や他ライブラリ連携のためのpandas活用。時系列データやマルチインデックスなど高度な機能の概要。 第10回:Matplotlibによる可視化(1): データ可視化とMatplotlibの基本的な使い方。折れ線グラフや散布図,棒グラフなどの作成方法。 第11回:Matplotlibによる可視化(2): Matplotlibを使ったより高度な可視化手法。複数のサブプロット表示やヒートマップなど多次元データの表現。 第12回:テキストデータ分析の基礎(1): テキストデータ(自然言語)を扱うための基本的な概念。 第13回:テキストデータ分析の基礎(2): テキストをベクトル化して、機械学習や統計的手法で扱えるように変換するプロセスの理解。 第14回:scikitlearnによる機械学習(1): 機械学習の概要と主要な手法(教師あり学習・教師なし学習)。 scikitlearnを用いた基本的な回帰・分類タスクの実装フロー。 第15回:scikitlearnによる機械学習(2): 分類問題やクラスタリングなど幅広い機械学習手法について。
レポートを提出すること。 |
教科書・参考書等 |
授業内で紹介する。 |
授業で使用する メディア・機器等 |
映像資料, Microsoft Teams, moodle |
【詳細情報】 |
|
授業で取り入れる 学習手法 |
ディスカッション, 授業後レポート |
予習・復習への アドバイス |
第1回: 授業の流れを理解してください。確実に環境を整えてください。 第1-4回: Python の理解を深めてください。 第5-6: NumPy の使い方を理解してください。 第7-9回: pandas を使えるようになってください。 第10-11回: データの可視化について理解を深めてください。 第12-13回: テキストデータの分析について理解を深めてください。 第14-15回: scikitlearn による機械学習について,使い方を学んでください。 |
履修上の注意 受講条件等 |
|
成績評価の基準等 |
授業の参加姿勢,課題レポート |
実務経験 |
|
実務経験の概要と それに基づく授業内容 |
|
メッセージ |
|
その他 |
|
すべての授業科目において,授業改善アンケートを実施していますので,回答に協力してください。 回答に対しては教員からコメントを入力しており,今後の改善につなげていきます。 |