- 学部・研究科
Faculty/Graduate School - シ
- 時間割コード
Course Code - 62175
- 科目名
Course title
サブテーマ
Subtitle - データサイエンス基礎PBL
- 授業形態/単位
Term/Credits - クラス
Class -
- 秋/2
- 担任者名
Instructor - 山口 聡一朗
- 曜限
Day/Period - 月3
- 授業概要
Course Description
到達目標
Course Objectives -
授業種別 / Teaching Types
講義（対面型）
言語 / Language
日本語(Japanese)
授業概要 / Course Description
データサイエンスにおいてビッグデータを解析するために機械学習は必須である。本科目では、チームを組んで教員から与えられた課題を解決するためのプロジェクトを遂行する。プロジェクトでは、まず問題を定義し、その解決方法を提案する。次に、機械学習ツールを使って、提案方法を実現し、その評価を行う。プロジェクトを通して機械学習の基礎を理解することを目的とする。
到達目標 / Course Objectives
①知識・技能の観点
機械学習の基礎と機械学習ツールの使い方を身につける。
②思考力・判断力・表現力等の能力の観点
プロジェクトを通して課題解決能力を伸ばす。
③主体的な態度の観点
グループによるプロジェクトでコミュニケーション能力や協調性を養う。授業手法 / Teaching Methods
・学生同士の意見交換（グループ・ペアワーク、ディスカッション、ディベート等含む）
・プレゼンテーション（スピーチ、模擬授業等含む）
・課題探究（プロジェクト学習、課題解決型学習、ケーススタディ等含む）
- 授業計画
Course Content -
授業計画 / Course Content
1週目
ガイダンスとグループ分け
2～13週目
プロジェクトの遂行
担当教員とプロジェクトの技術課題や進捗状況について議論
14週目
プロジェクト成果の報告（プレゼンテーション）とまとめ
【オンデマンド配信授業】
安全に実験を行うために(動画60分+課題30分)授業時間外学習 / Expected work outside of class
プロジェクトが予定どおり進むよう各自自主的に学習することが望ましい。
- 成績評価の方法・基準・評価
Grading Policies /
Evaluation Criteria -
方法 / Grading Policies
定期試験を行わず、平常試験(小テスト・レポート等)で総合評価する。
プロジェクトへの取り組みを評価する。基準・評価 / Evaluation Criteria・Assessment Policy
①知識・技能の観点
機械学習やそのツールに対する知識
②思考力・判断力・表現力等の能力の観点
データサイエンスの課題に対する解決能力
③主体的な態度の観点
プロジェクトへの積極的な取り組む
- 教科書
Textbooks
-
参考書
References
- フィードバックの方法
Feedback Method
- 担任者への問合せ方法
Instructor Contact オフィスアワー
関大LMSで随時受け付けます。
- 備考
Other Comments 本科目を履修登録するためには、1年次秋学期後半に「物理データサイエンス教育プログラム」の履修希望申請を行い, 学内選考にて本プログラム履修の承認を受ける必要があります。詳しくは本授業担任またはクラス担任に相談して下さい。
【オンデマンド配信授業回について】
配信元：関大LMS
配信時間/期限：具体的な配信時期や期限は,関大LMSの当該授業科目の教材一覧に掲載します。
質問対応：質問は対面授業時またはオフィスアワーに受け付けます。