タイトル
     2021 年度 後期  大学院共通科目 日英区分 :日本語 
  
データサイエンス応用・画像データ解析演習   
時間割コード ナンバリング 科目分野
MD003 2000GS5MD0003  
担当教員(ローマ字表記)
  浅尾 高行 [Takayuki Asao], 中村 賢治 [Nakamura, Kenji], 鈴木 裕之 [Suzuki Hiroyuki]
対象学生 対象年次 単位数
  1年次 ~ 2年次 2
授業の目的  
デジタル画像の性質を理解し、データサイエンスモデルに落とし込んだ解析法を学ぶ。また、GANやスクレイピングといった新しい手法についても学ぶ。
 
授業の到達目標  
画像データ構造とデータフレームを理解し、利用目的に応じたPythonによる画像解析プログラミングができるようになる。また、生体認証や社会医学における応用課題に取り組むことで、実用的な画像処理技術を身に着ける。
①データサイエンスの基礎を理解し、データ特性にあった解析モデルを選択できる。
②デジタル画像の前処理や解析演習を通して、画像解析の基礎を学ぶ
③画像の特性にあった解析手法・学習モデルを選択し、画像解析ができる。
 
ディプロマポリシーとの関連(評価の観点)  
大学院ディプロマ・ポリシーにおける,「幅広く豊かな学識に立脚し,専門分野におい て創造性豊かに自立して研究活動を実践でき,高度な専門性・国際性を必要とする職業 を担うための能力を身に付ける。」に関連する。
 
授業概要  
データサイエンスの基礎や技術応用をした文献を学び、データ特性に応じた解析モデルを学ぶ。その上で機械学習の学習モデルを学び、画像解析演習を通して理解を深める。google colaboratoryやOpenCV等のツールにいても学ぶ。
 
授業の形式(授業方法)  
オンライン講義、google colaboratoryによる演習
 
授業スケジュール  
第1回:データサイエンス基礎
 第2回:データサイエンス応用
 第3回:データサイエンス
 第4回:デジタル画像と前処理
 第5回:デジタル画像とフィルタリング
 第6回:画像特徴量と判別1
 第7回:画像特徴量と判別2
 第8回:転移学習とファインチューニング
 第9回:CNNの基礎と演習
 第10回:MLPの基礎と演習
第11回:RNN(LSTM)の基礎と演習
第12回: GANの基礎と演習
第13回: データ特性に応じた最終課題
第14回:データ特性に応じた最終課題
第15回:課題発表と講評
 
授業時間外学修情報
「学修」とは授業と授業時間外の予習・復習などを含む概念です。1単位につき45時間の学修が必要です。
学則で定められている1単位の時間数は次のとおりです。
講義・演習    授業15~30時間、授業時間外30~15時間
実験・実習・実技 授業30~45時間、授業時間外15~0時間
 
オンライン講義・演習 授業15~30時間 授業時間外15~30時間
実験・実習・実技 授業15~30時間 授業時間外30~45時間
 
成績評価基準(授業評価方法) 及び 関連するディプロマポリシー  
演習課題により、授業の到達度評価を行う
 
受講条件(履修資格)  
授業を受講できるパソコンを保持していること
 
メッセージ  
 
キーワード  
機械学習、AI、画像処理、データサイエンス
 
この授業の基礎となる科目  
 
次に履修が望まれる科目  
 
関連授業科目  
 
教科書  
 
参考書  
 
教科書・参考書に関する補足情報  
 
コース管理システム(Moodle)へのリンク  
 
授業言語  
 
学生用連絡先  
【匿名アクセスではこの情報を閲覧できません。】
 
学生用メールアドレス  
【匿名アクセスではこの情報を閲覧できません。】
 
オフィスアワー (※教員が研究室に在室し、学生からの質問・相談等に応じる時間のことです。)  
【匿名アクセスではこの情報を閲覧できません。】
 
教員ホームページ  
https://www.cmd.gunma-u.ac.jp/
 
関連ホームページ  
https://idsc-gunma.jp/g-learning-system/
 
ページの先頭へ