経営工学実験Ｃ （原田）

Industrial Administration Experiment C （原田）

9974518

74BEBMS301

原田　拓

Taku Harada

2024年度前期

2024/First Semester

金曜4限、金曜5限

Friday, Fourth Period and Fifth Period

創域理工学部　経営システム工学科

Department of Industrial and Systems Engineering, Faculty of Science and Technology

1.0単位

実験

Experiment

-

① [対面]対面授業/ [On-site] On-site class

機械学習は主に「教師なし学習」，「教師あり学習」，「強化学習」に大別することができる．本実験では，「教師あり学習」に焦点を当て，ニューラルネットワークを用いた教師あり学習手法について学習する．基本的なプログラミング言語はPythonを用いる．

ニューラルネットワークを用いた教師あり学習の基礎を理解し，さらに，実験を通して，その理解を深める．
本科目は，本学科のディプロマ・ポリシー「修得した専門知識や教養をもとに、自ら課題を発見し、解決する能力。」に該当する科目である．

Pythonプログラミング技術を含めて，ニューラルネットワークを用いた教師あり学習を行うことができるようになる．

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

毎回ノートパソコンを使用するので，充電を十分しておくこと．なお，実験課題の選択のためのガイダンスを学期の最初の実験日（水曜日と金曜日のうちの学期授業開始から早いほうの実験日）に実施するので，必ず出席すること．

課題に対する作文　Essay／プレゼンテーション　Presentation／実験　Experiments／実習　Practical learning

-

各回の授業内容を十分に復習しておくこと．

授業を全て受けていることを前提とし，実験過程・実験成果・レポート課題などの結果によって評価する．

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

N

-

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
​https://mirai.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://mirai.kinokuniya.co.jp/tokyorika/

適宜紹介する．

1．Pythonプログラミングの基礎
　Pythonプログラミングに関して，特に，Numpy，Pandas，Matplotlibについて理解する．さらに，プログラムの開発環境であるJupyter Notebookについて理解する．

2．プログラミング環境の構築
　機械学習のためのフレームワークの１つであるTensorFlowを用いた基本的プログラミングを理解する．

3．ニューラルネットワークの基礎(1)
　ニューラルネットワークの基礎について理解する．

4．ニューラルネットワークの基礎(2)
　ニューラルネットワークの基礎について理解する．

5．リカレントニューラルネットワークを用いた時系列予測
　リカレントニューラルネットワークを用いた時系列予測の方法について理解する．

6．OpenCVの利用
　画像処理ライブラリであるOpenCVを用いた画像データの処理方法について理解する．

7．移動するボールの停止位置の時系列予測（予備実験）
　移動するボールをカメラで撮影し，その画像を用いて，ボールの停止位置の時系列予測を行う．今回の実験は予備実験である．

8．移動するボールの停止位置の時系列予測（本実験）
　予備実験の結果を踏まえて設計したニューラルネットワークモデルを用いて本実験を行う．

9．畳込みニューラルネットワークの基礎
　畳込みニューラルネットワークの基礎について理解する．

10．畳込みニューラルネットワークを用いたクラス分類学習(1)
　畳込みニューラルネットワークを用いたクラス分類学習について理解する．

11．畳込みニューラルネットワークを用いたクラス分類学習(2)
　畳込みニューラルネットワークを用いたクラス分類学習について理解する．

12．手書き文字のクラス分類学習（予備実験(1)）
　手書き文字をカメラで撮影し，その画像を用いてクラス分類学習を行う．今回の実験は予備実験である．

13．手書き文字のクラス分類学習（予備実験(2)）
　手書き文字をカメラで撮影し，その画像を用いてクラス分類学習を行う．今回の実験は予備実験である．

14．手書き文字のクラス分類学習（本実験）
　予備実験の結果を踏まえて設計したニューラルネットワークモデルを用いて本実験を行う．

15．まとめ
　本実験についてまとめ，理解を深める．

-

-

-

-

Y

N