文理学部シラバスTOP > 文理学部 > 生命科学科 > 生体情報学２
日本大学ロゴ

生体情報学２

このページを印刷する

令和２年度以降入学者 生体情報学２
教員名 黒田大祐
単位数    2 学年    3 開講区分 文理学部
科目群 生命科学科
学期 後期 履修区分 選択
授業形態 対面授業
授業の形態 対面授業を基本とする。状況に応じてオンライン授業および課題研究を組み合わせて行う。
授業概要 本講義では、人工知能および機械学習に焦点を当てた先進的なバイオインフォマティクス手法を学ぶ。生命科学領域で用いられる機械学習のアルゴリズムについて詳細に解説する。各種手法の可能性と限界を理解し、将来的な研究や創薬に応用できる「使える知識」を身につけることを目指す。Pythonを用いたハンズオン演習も適宜紹介する。
授業のねらい・到達目標 （知識）
１.生命科学におけるデータの情報学的処理法について理解し、説明できるようになる（A-3-3、A-4-3）。
２.生体分子の機械学習技術について理解し、説明できるようになる（A-3-3、A-4-3）。

（能力）
この科目は文理学部生命科学科（学士（理学））のディプロマポリシーDP3、4、8及びカリキュラムポリシーCP3、4、8に対応している。
３.物事を既存の知識にとらわれることなく、科学的根拠に基づいて論理的・批判的に考察し、説明することができる（DP3-3）。
４.日常生活における現象に潜む科学的問題を見出し、専門的知識に基づいて解決策を提案できる（DP4-3）。
５.学修状況を自己分析し、その成果を評価することができる（DP8-3）。


各回の授業・事前学習・事後学習を通して、日本大学教育憲章にある以下の能力を身につけることを目標とする。
A-3（DP3・CP3）：論理的・批判的思考力
A-4（DP4・CP4）：問題発見・解決力
A-8（DP8・CP8）：省察力
授業の形式 講義、演習
授業の方法 授業の形式
教材の基本事項を説明し、随時解析ツールの実演を行うことで基礎・理論の定着を図る。Google Colaboratoryを用いた演習/解説も紹介するため、ノートパソコンの持参を推奨する。ノートパソコンを持っていない場合は、学科共有パソコンを授業時間内に限り、貸し出すことができる。

体調不良などで出席停止となった場合、CanvasLMSやzoomなどのオンラインツールを用いて課題の提出と質問対応を行う。
授業計画
1 ガイダンス。授業のテーマや達成目標および授業の方法について説明する。また、講義で必要な生命科学の基礎を概観し、前期の生体情報学１の復習を行う（A-3）
【事前学習】生命科学における機械学習の役割について調査しておく（A-4） （2時間）
【事後学習】生命科学における機械学習の役割について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業
2 機械学習を用いた生命科学研究の流れ（A-3）
【事前学習】機械学習を用いた生命科学研究の流れについて調査しておく（A-4） （2時間）
【事後学習】機械学習を用いた生命科学研究の流れについて十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
3 機械学習における予測モデルの 検討と評価、線形回帰（A-3）
【事前学習】線形回帰について調査しておく（A-4） （2時間）
【事後学習】線形回帰について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
4 課題研究：Pythonで「単回帰」問題を解く（A-3）
【事前学習】機械学習とプログラミング言語Pythonについて調査しておく（A-4） （2時間）
【事後学習】機械学習とプログラミング言語Pythonについて十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】課題研究
5 「分類」問題を機械学習で解く１ - ロジスティック回帰とk近傍法（A-3）
【事前学習】ロジスティック回帰とk近傍法について調査しておく（A-4） （2時間）
【事後学習】ロジスティック回帰とk近傍法について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
6 「分類」問題を機械学習で解く２ - 決定木、ランダムフォレスト、ブースティング（A-3）
【事前学習】決定木、ランダムフォレスト、ブースティングについて調査しておく（A-4） （2時間）
【事後学習】決定木、ランダムフォレスト、ブースティングについて十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
7 「分類」問題を機械学習で解く３ - ブースティング、サポートベクターマシーン、カーネル法（A-3）
【事前学習】ブースティング、サポートベクターマシーン、カーネル法について調査しておく（A-4）調査しておく（A-4） （2時間）
【事後学習】ブースティング、サポートベクターマシーン、カーネル法について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
8 「分類」問題を機械学習で解く４ - ナイーブベイズ（A-3）
【事前学習】ナイーブベイズについて調査しておく（A-4） （2時間）
【事後学習】ナイーブベイズについて十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
9 課題研究：Pythonで「分類」問題を解く（A-3）
【事前学習】機械学習における分類問題とプログラミング言語Pythonについて調査しておく（A-4） （2時間）
【事後学習】機械学習における分類問題とプログラミング言語Pythonについて十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】課題研究
10 生命科学領域における回帰問題（A-3）
【事前学習】生命科学領域における回帰問題について調査しておく（A-4） （2時間）
【事後学習】生命科学領域における回帰問題について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
11 教師なし学習 – PCA, MDS, tSNE, UMAP, クラスタリング（A-3）
【事前学習】教師なし学習について調査しておく（A-4） （2時間）
【事後学習】教師なし学習について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
12 深層学習の基礎１（A-3）
【事前学習】深層学習について調査しておく（A-4） （2時間）
【事後学習】深層学習について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
13 深層学習の基礎２（A-3）
【事前学習】深層学習について調査しておく（A-4） （2時間）
【事後学習】深層学習について十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
14 深層生成モデルと大規模言語モデル（A-3）
【事前学習】生成モデルについて調査しておく（A-4） （2時間）
【事後学習】生成モデルについて十分に復習しておく（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】対面授業、課題研究
15 研究課題：生命科学と人工知能（A-3）
【事前学習】これまでの授業内容について十分に復習しておく（A-8） （2時間）
【事後学習】これまでの授業内容をふまえ、友人等と積極的に議論し、再確認を行う（A-8） （2時間）
【担当教員】黒田大祐
【授業形態】課題研究
その他
教科書 PDF資料を随時配布する。
参考書 藤博幸  『よくわかるバイオインフォマティクス入門』 講談社 2018年
藤博幸  『タンパク質の立体構造入門　基礎から構造バイオインフォマティクスへ』 講談社 2010年
Andreas C. Muller (著), Sarah Guido (著), 中田秀基 (翻訳) 『Pythonではじめる機械学習 ―scikit-learnで学ぶ特徴量エンジニアリングと機械学習の基礎』 オライリー・ジャパン 2017年
小池 敦 『図解 深層学習: 数理で理解する基本原理』 近代科学社 2023年
成績評価の方法及び基準 レポート(60%)、授業参画度(40%)
・学期末に「授業内テスト」を行い、各回で学んだことを説明できるかどうかで評価する（A-3、A-4、A-8）。
・授業参画度は、毎回のリアクションペーパー（授業時間に学修した内容のまとめを記入）の内容、提出状況を評価する（A-3、A-8）。
・テストおよびリアクションペーパーについて、解説を行いフィードバックする。
・対面授業中に扱うノートパソコンでの演習内容は成績評価には含めない（課題研究は除く）。
オフィスアワー 本館５階（５０２）。随時（事前にアポイントをとること。アポイントの取り方については第一回のガイダンス時に説明する）。
Canvas LMSとメールを用いての質疑応答も行う。

↑このページのトップ