文理学部シラバスTOP > 文理学部 > 情報科学科 > データ科学２
日本大学ロゴ

データ科学２

このページを印刷する

令和６年度以前入学者 データ科学２
教員名 尾崎知伸
単位数    2 学年    3 開講区分 文理学部
科目群 情報科学科
学期 前期 履修区分 選択必修
授業形態 対面授業
授業概要 ニューラルネットワークを中心に，発展的な機械学習手法に関し，その仕組みと拡張および応用について学修する
授業のねらい・到達目標 対象とする技術の基本的な仕組みとその拡張について理解し，数理的な側面から説明・議論ができる．
ライブラリを利用して基本的な手法を実装するとともに，データの整形，手法の適用，結果の検証を含めた一連の分析ができる．

この科目は文理学部（学士（理学））のDP及びCP3，4，5に対応している
・仮説に基づく課題や問題を提示し，客観的な情報を基に，論理的・批判的に考察できる（A-3-3）
・問題を分析し，複数の解決策を提示した上で，問題を解決することができる（A-4-3）
・責任と役割を担い，新しい問題に取り組む意識を持ち，そのために必要な情報科学の知識・情報を収集することができる（A-5-3）
授業の形式 講義、演習
授業の方法 授業・フィードバックの方法：
・電子資料を用いて講義を行う．
・プログラミングを伴うデータ分析演習を行う.
・提出されたレポートについて総評を行う．

事前相談によりオンライン参加が認められた場合の受講方法：
・Zoom（ライブ中継）にて授業に参加する．
・上記以外の事項（レポート〆切等）は，対面参加学生と同条件とする．
履修条件 「データ科学1」の内容を修得していることが望ましい
授業計画
1 ガイダンス（授業のテーマや到達目標及び授業の方法について説明する）
ニューラルネットワークの概要と発展 （A-3-3，A-4-3，A-5-3）
【事前学習】シラバスを事前に確認する．当該分野に関する簡単な調査を行う （1時間）
【事後学習】ニューラルネットワークの概要と発展について説明できるようにする （1時間）
【授業形態】対面授業
2 Transformerモデルの導入（A-3-3，A-4-3，A-5-3）
【事前学習】Transformerモデルの導入に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】Transformerモデルの構成要素や各要素の役割について説明できるようにする （2時間）
【授業形態】対面授業
3 エンコーダモデル（A-3-3，A-4-3，A-5-3）
【事前学習】Transformerのエンコーダモデルに関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】エンコーダモデルの学習手法と応用について説明できるようにする （2時間）
【授業形態】対面授業
4 デコーダモデル（A-3-3，A-4-3，A-5-3）
【事前学習】Transformerのデコーダモデルに関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】デコーダモデルの学習手法と応用について説明できるようにする （2時間）
【授業形態】対面授業
5 Transformerモデルの改良（A-3-3，A-4-3，A-5-3）
【事前学習】Transformerモデルの改良に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】各改良の目的と基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
6 その他の発展的なモデル（A-3-3，A-4-3，A-5-3）
【事前学習】その他の発展的なモデルに関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】各モデルの基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
7 自然言語処理への応用（A-3-3，A-4-3，A-5-3）
【事前学習】自然言語処理への応用に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】自然言語処理への応用に特化した技術部分の基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
8 時系列データ分析への応用（A-3-3，A-4-3，A-5-3）
【事前学習】時系列データ分析への応用に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】時系列データ分析への応用に特化した技術部分の基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
9 グラフデータ分析への応用（A-3-3，A-4-3，A-5-3）
【事前学習】グラフデータ分析への応用に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】グラフデータ分析への応用に特化した技術部分の基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
10 テーブルデータ分析への応用（A-3-3，A-4-3，A-5-3）
【事前学習】テーブルデータ分析への応用に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】テーブルデータ分析への応用に特化した技術部分の基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
11 情報推薦への応用（A-3-3，A-4-3，A-5-3）
【事前学習】情報推薦への応用に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】情報推薦への応用に特化した技術部分の基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
12 メディア処理への応用（A-3-3，A-4-3，A-5-3）
【事前学習】メディア処理への応用に関する配布資料を通読し，内容を簡単にまとめる （2時間）
【事後学習】メディア処理への応用に特化した技術部分の基本的な考え方について説明できるようにする （2時間）
【授業形態】対面授業
13 データ分析実験：テーマの設定と実践（A-3-2，A-4-2，A-5-2）
【事前学習】これまでの学修内容に基づき，データ分析実験に関して各自でテーマを設定する （2時間）
【事後学習】各自で設定したテーマに対してデータ分析実験を実践する （4時間）
【授業形態】対面授業
14 データ分析実験：実践の続きとレポート作成（A-3-2，A-4-2，A-5-2）
【事前学習】実践したデータ分析実験を振り返り，必要な追加実験等を行う （2時間）
【事後学習】実践したデータ分析実験の結果を学期末レポートとしてまとめる （4時間）
【授業形態】対面授業
15 相互評価とフィードバック（A-3-2，A-4-2，A-5-2）
【事前学習】履修者間で学期末レポートの相互評価を行う （2時間）
【事後学習】相互評価の結果をもとに，自身が実践したデータ分析実験を振り返る （2時間）
【授業形態】対面授業
その他
教科書 使用しない
参考書 Lewis Tunstall, Leandro von Werra, and Thomas Wolf（著），中山光樹（訳） 『機械学習エンジニアのためのTransformers』 オライリージャパン 2022年
岡﨑直観，荒瀬由紀，鈴木潤，鶴岡慶雅，宮尾祐介 『IT Text 自然言語処理の基礎』 オーム社 2022年
その他，随時，関連する原著論文を利用する
成績評価の方法及び基準 レポート:手法の適切さと理解度合，レポートとしての完成度を中心に，設定した問題内容も考慮して評価する(50%)、授業参画度:理解度を問う問題と演習の成果，および レポートの相互評価に対する貢献度により評価する(50%)
学期末レポート未提出の場合はE判定とする
オフィスアワー 質問等は随時を受け付ける．原則，事前にSlackやメール等でアポイントをとること

↑このページのトップ