タイトル

開講年度 開講学部等
2026 大学院創成科学研究科（博士前期）
開講学期 曜日時限 授業形態 AL（アクティブ・ラーニング）ポイント
後期 金3～4 講義 3.0
時間割番号 科目名[英文名] 使用言語 単位数
3242010390 データ解析特論[Advanced Lecture on Data Analysus(Advanced Lecture on Data Analysis)] 日本語 2
担当教員（責任）[ローマ字表記] メディア授業
小林　泰良[KOBAYASHI Taira] ー
担当教員[ローマ字表記]
小林　泰良　[KOBAYASHI Taira]
特定科目区分   対象学生   対象年次 1～2
ディプロマ・ポリシーに関わる項目 カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
授業の目的と概要
多種多様でリアルタイム性の高い大規模データを分析し、意思決定や問題解決に活用しようという動きが盛んになっている。これに付随して、データ分析を行い未来を予測することができるスキルを持つ人材はデータサイエンティストとして重要視されている。この講義では、現在のデータ解析技術の中心であるニューラルネットワークの理論を学習する。さらに、Pythonを用いたニューラルネットワークモデルの実装を通じて、簡単なデータ分析ができるスキルを身につける。また、実装したプログラムを用いて実際にデータ解析を行い、適用した手法の性質について考察する（DP2）。
授業の到達目標
ニューラルネットワークについてその原理を理解し，実問題に応用されている最新のニューラルネットワーク技術の性質について考察できるようになる。
授業計画
【全体】
講義では、ニューラルネットワークの各手法について学ぶ。様々な概念、定義、計算手続きに関してスライドと板書を用いて説明し、理解度を小テストで確認しながら進行する。 また、説明した理論の具体的な実装方法を説明し、実際にPythonを用いて実装を行う。
項目 内容 授業時間外学習 備考
第1回 オリエンテーション 担当教員の紹介、授業の目標と進め方、シラバス説明、成績評価の方法 シラバスを読んでおくこと、ニューラルネットワークにはどのような手法が存在するのかついて調べておくこと（学習時間の目安：4時間以上）
第2回 パーセプトロンと収束定理 ニューラルネットワークの最小単位であるパーセプトロンについて、その理論と実装方法を理解する。 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第3回 多層ニューラルネットワーク（1） ニューラルネットワークの順伝播の理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第4回 多層ニューラルネットワーク（2） 誤差逆伝播法を用いた多層ニューラルネットワークの学習に関する理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第5回 多層ニューラルネットワーク（3）とまとめ GPUを用いた多層ニューラルネットワークの高速計算に関する理論と実装方法について理解する。また、ここまでの内容をまとめる。 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第6回 リカレントニューラルネットワーク（1） 自然言語と単語の分散表現に関する理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第7回 リカレントニューラルネットワーク(2) リカレントニューラルネットワークの推定と学習に関する理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第8回 リカレントニューラルネットワーク(3) LSTMに関する理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第9回 リカレントニューラルネットワーク(4) リカレントニューラルネットワークによる自然言語処理を実装する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第10回 リカレントニューラルネットワーク(5) Attentionの理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第11回 リカレントニューラルネットワークのまとめ リカレントニューラルネットワークに関する内容のまとめを行う これまでの授業に関する復習（学習時間の目安：4時間以上）
第12回 深層強化学習(1) 強化学習の基礎的な理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第13回 深層強化学習(2) 深層強化学習の理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第14回 深層強化学習(3) 深層強化学習の理論と実装方法を理解する 前回の授業に関する復習（学習時間の目安：2時間以上）と予習（学習時間の目安：2時間以上）
第15回 まとめ 本講義でこれまで学んだことを整理する。 前回の授業までで学習したことに関する復習（学習時間の目安：4時間以上）
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: --%　B: --%　C: 30%　D: --%
成績評価法
各回の演習内容（10%）と最終レポートの内容で評価します（90%）
教科書にかかわる情報
備考
教科書は使用しない。プリント等を配布する。
参考書にかかわる情報
参考書 書名 Pythonで学ぶディープラーニングの理論と実装 ISBN 9784873117584
著者名 斎藤康毅著 出版社 オライリー・ジャパン 出版年 2016
参考書 書名 自然言語処理編 ISBN 9784873118369
著者名 斎藤康毅著 出版社 オライリー・ジャパン 出版年 2018
参考書 書名 フレームワーク編 ISBN 9784873119069
著者名 斎藤康毅著 出版社 オライリー・ジャパン 出版年 2020
参考書 書名 強化学習編 ISBN 9784873119755
著者名 斎藤康毅著 出版社 オライリー・ジャパン 出版年 2022
備考
メッセージ
キーワード
ニューラルネットワーク、強化学習
持続可能な開発目標（SDGs）

  • 質の高い教育をみんなに
(教育)すべての人に包摂的かつ公正な質の高い教育を確保し、生涯学習の機会を促進する。
関連科目
履修条件
連絡先
小林：総合研究棟405-2
オフィスアワー
平日9時-17時

ページの先頭へ