授業計画 |
| 回数 |
学習目標 |
学習項目 |
| 1 |
ガイダンス及び実習環境を紹介する。 プログラミング導入 |
[プログラミング導入]
演算子と変数
関数
型
比較演算子とIF文
リスト |
| 【理解度確認】練習問題 |
| 2 |
関数の使い方が説明できる。Booleansや比較演算子の使い方が説明できる。リストの使い方が説明できる。 |
[Python入門Ⅰ]
Hello World
関数定義とヘルプ関数
Booleansと比較演算子
リスト |
| 【理解度確認】練習問題 |
| 3 |
ループやリストを使うことができる。 |
[Python入門Ⅱ]
ループとリスト操作 |
| 【理解度確認】練習問題 |
| 4 |
文字列型と辞書型を理解できる。外部ライブラリを使うことができる。 |
[Python入門Ⅲ]
文字列型と辞書型
外部ライブラリの使い方 |
| 【理解度確認】練習問題 |
| 5 |
バイナリデータのあ使い方がわかる。
|
byte型
ビット演算子 |
| 【理解度確認】練習問題 |
| 6 |
pythonのクラスが実装できる |
classの実装方法
コンストラクタ、オーバーライド |
| 【理解度確認】練習問題 |
| 7 |
ソケットを使って通信ができる。
Flaskを使ってWebサーバを実装できる |
requests、flaskの使い方 |
| 【理解度確認】練習問題 |
| 8 |
Pandasを使って表データを作成することができる。DataFrameの基本操作ができる |
[PandasⅠ]
データフレームの作成と書き込み
インデックスと選択
要約関数とマップ |
| 【理解度確認】練習問題 |
| 9 |
Pandasを使って表データの集計ができる。DataFrameの応用的な操作ができる |
[PandasⅡ]
集約と整列
型とデータ補完
改名と結合 |
| 【理解度確認】 練習問題 |
| 10 |
モデルの基本な仕組みが説明できる。学習データを分析することができる。 |
[機械学習I]
モデルの仕組み
データを読む |
| 【理解度確認】練習問題 |
| 11 |
シンプルなモデルを自作することができる。モデルの評価をすることができる。
学習不足と過学習について説明することができる。 |
[機械学習Ⅱ]
シンプルなモデル
モデルの評価
[機械学習Ⅲ]
学習不足と過学習
データの探索 |
| 【理解度確認】 練習問題 |
| 12 |
ランダムフォレストを使ったモデルを作ることができる。
学習データの補完ができる。カテゴリー変数の取扱いができる。パイプラインについて説明することができる。 |
[機械学習Ⅳ]
要約関数とマップ
ランダムフォレスト
[機械学習Ⅴ]
データの補完
カテゴリー変数の取扱い
パイプラインの作り方 |
| 【理解度確認】練習問題 |
| 13 |
ニューロンのしくみを理解できる。深層ニューラルネットワークについて説明することができる。
ニューラルネットワークのパラメータ決定について理解できる。 |
[機械学習Ⅵ]
ニューロンのしくみ
深層ニューラルネットワーク
[機械学習Ⅶ]
確率的勾配降下法
学習不足と過学習 |
| 【理解度確認】 練習問題 |
| 14 |
ドロップアウトと正規化について理解できる。二値分類タスクを説明することができる。
畳み込みレイヤ、ReakyLeLU、スライディングウインドウについて説明することができる。 |
[機械学習Ⅷ]
ドロップアウトと正規化
二値分類
[機械学習Ⅸ]
畳み込み
ReakyLeLU
スライディングウインドウ |
| 【理解度確認】 練習問題 |
| 15 |
学習済みモデルを使ってアプリケーションを作成できる |
学習済みモデルの使い方 |
| 【理解度確認】 練習問題 |
