タイトル「2021年度 修士課程シラバス」、フォルダ「2021年度 教育学研究科(修士課程)シラバス-教育AI研究プログラム
シラバスの詳細は以下となります。
ナンバリングは科目コードとは異なります。ご注意ください。
ナンバリングとは
科目コード   16230020 
科目名   データ・アナリティクス実践論  
担当教員   森本 康彦  
対象学年   1年   クラス   01  
講義室     開講学期   秋学期  
曜日・時限   水6   単位区分   選必  
授業形態   一般講義   単位数  
受講対象  教育支援協働実践開発専攻教育AI研究プログラム展開(情報AI) 
備考   
ナンバリング   2S1M11 
ねらいと目標  教育分野においても蓄積された膨大なデータを利用し、さまざまなAI技術を用いて発見した価値を意思決定に役立てようとする動きが活発になっている。その手段として注目されるのがAIであり、AIを実現する手法の代表的なものが機械学習である。本授業では、実際のデータを用いて機械学習のメソッドを用いてデータ分析を実際に行い、その習得を目指す。具体的には、プログラミング言語Pythonを用いて機械学習に触れ、機械学習でどんなことができるのかを知っている、学んだことを生かし実際にAIを活用した支援システムをデザイン(または、開発)することができる、ことを目標とする。
 
内容 本授業では,プログラミング言語Pythonを用いて実際に手を動かしながら機械学習に触れ、機械学習でどんなことができるのかを一つ一つ体験的に学んでいく。前半、後半の最後に、これまで習得してきた知識・能力を生かして、実際に支援システムに搭載する予測/推測モデルをデザイン(または、開発)する。これは、少人数のグループで協働的に課題に取り組み、成果を全員で発表し合うことで知と経験の共有を図る。 
テキスト 適宜必要に応じて授業資料などを配布する。
 
参考文献 適宜必要に応じて参考文献を指定する。
 
成績評価方法 課題の取り組み状況と出来、発表について、事前に知らせる評価基準(ルーブリック)を用いて評価する。  
授業スケジュール(展開計画) 1 オリエンテーション(ラーニング・アナリティクス、教育データマイニングについて)
2 学習データ(eポートフォリオ、教育ビッグデータ)とは
3 Pythonについて
4 線形回帰、予測精度の評価について
5 データの前処理について
6 k近傍法、サポートベクタマシンについて
7 予測/識別モデル作成の実践(前半)
8 予測/識別モデル作成の成果発表(前半)
9 クラスタリングについて
10 決定木、ランダムフォレストについて
11 単純パーセプトロンについて
12 ニューラルネットワークについて
13 ディープラーニングについて
14 予測/識別モデル作成の実践(後半)
15 予測/識別モデル作成の成果発表(後半)
 
授業のキーワード 学習データ、eポートフォリオ、教育ビッグデータ、機械学習、Python,ラーニング・アナリティクス、教育データマイニング、AI
協働的な学び、チームアプローチ
 
受講補足(履修制限等) 特になし
 
遠隔授業形態(ライブ配信/オンデマンド) Teamsを用いた同期型の授業を行う。 
その他 各回、その授業の最後に課題を課す。その課題は、学習支援システム(WebClassまたはTeams)を用いて行う。
 
Copyright(C) 2013 NTT DATA KYUSHU Co.,Ltd All rights reserved.