| 開講学期／Course Start | 2026年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 月/Mon 5 , 月/Mon 6 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | システム理化学科数理情報システムコース／Department of Sciences and InformaticsCourse of Mathematical Science and Informatics |
| 対象学年／Year | 3年 , 4年 |
| 授業科目区分／Category | 教育課程 システム理化学科 |
| 必修・選択／Mandatory or Elective | 必修 |
| 授業方法／Lecture or Seminar | 演習科目 |
| 授業科目名／Course Title | 情報学応用演習B／Informatics Applied Practice B |
| 単位数／Number of Credits | 1 |
| 担当教員名／Lecturer | 小林 洋介 (システム理化学科数理情報システムコース) , 鈴木 元樹 (システム理化学科数理情報システムコース) |
| 時間割コード／Registration Code | J4136 |
| 連絡先／Contact |
小林 洋介(V612 0143-46-5440 ykobayashi(at)muroran-it.ac.jp スパム対策のため@を(at)で表記しています。 緊急時を除き，極力E-mailで連絡ください)) |
| オフィスアワー／Office hours | 小林 洋介(水曜日16:00-17:00) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2026/09/10 |
|---|---|
| 授業のねらい ／Learning Objectives |
「深層学習入門」，「深層学習と画像分類」の実験的な演習を通して、講義で学んだ事柄をより深く理解することを目的とする。 ＜深層学習入門＞ 深層学習とは、近年のAI技術の根幹をなす統計モデルである。本演習ではパターン認識技術として深層学習の基本的な内容についてグループワーク型の演習を行い，理論の理解を深める。 ＜深層学習と画像分類＞ 本演習では、Docker 上に PyTorch を用いて画像分類の深層学習モデルとその学習を実装し，その動作原理および性能評価方法を習得することをねらいとする。 |
| 到達度目標 ／Outcomes Measured By: |
課題1：深層学習入門 目標1-1 誤差逆伝播法，自動微分，活性化関数などニューラルネットの要素について説明できる。 目標1-2 目標1-1にあげた要素について議論できる。 目標1-3 CNN，VAEなど発展的なネットワークについて説明できる。 課題2： 深層学習と画像分類 目標2-1 深層学習と画像分類の原理を理解し，それをプログラミングできる。 目標2-2 畳み込みニューラルネットワークの計算法を理解し，精度評価を行うことができる。 目標2-3 Dockerを利用したサーバー操作に習熟し，その操作ができる。 |
| 授業計画 ／Course Schedule |
第１回：演習内容の紹介，グループワークの割り当て，環境構築，レポートの書き方などのガイダンス 第２回：深層学習入門１：誤差逆伝播法・自動微分 第３回：深層学習入門２：最適化・活性化関数 第４回：深層学習入門３：パラメータの初期化と正則化・ディープ化の技法 第５回：深層学習入門４：CNNとVAE 第６回：深層学習入門５：GANとRNN 第７回：深層学習入門６：Self-AttentionとTransformer 第８回：深層学習入門７：深層学習入門のまとめ 第９回：深層学習と画像分類：AIサーバーとDockerの利用法 第１０回：深層学習と画像分類：Pytorchの使い方1 第１１回：深層学習と画像分類：Pytorchの使い方2と画像処理 第１２回：深層学習と画像分類：畳み込みニューラルネットワークの原理 第１３回：深層学習と画像分類：畳み込みニューラルネットワークと画像分類 第１４回：深層学習と画像分類：画像分類モデルの学習と評価実験1 第１５回：深層学習と画像分類：画像分類モデルの学習と評価実験2とまとめ 本演習の後半は学生各自のコンピュータにPythonでのプログラミング環境を構築して実施します。授業へのコンピュータ持ち込みに関しては第1回でアナウンスします。 総授業時間数（実時間）：1単位（45分/60分）×2時限×15回＝22.5時間 各回の学修時間の目安は，事前・事後合わせて1時間必要です。 講義時間外に演習室を開放していますので，各回の自主的な学修に利用できます。 |
| 教科書 ／Required Text |
はじめてのパターン認識 平井有三著 森北出版 2022(ISBN:9784627850712) |
| 参考書等 ／Required Materials |
現代社会と情報システム 第2版(ISBN:9784254123166)
ディープラーニング実装入門: PyTorchによる画像・自然言語処理(ISBN:9784295010623) |
| 教科書・参考書に関する備考 |
教科書は電子書籍版を大学生協で用意してもらいます。教科書のセクション番号で割り当てますので，必ず購入して学習してください。 教科書以外の演習資料はmoodle等で電子配布します。 |
| 成績評価方法 ／Grading Guidelines |
到達度目標のすべての項目について,提出されたレポートの内容で成績を判定する。 100点満点中60点以上が合格点である。 課題1: 深層学習入門 50点 目標1-1 割り当てられた発表への参加で評価する。 目標1-2 割り当てられた発表チェックへの議論の参加で評価する。 目標1-3 課題レポートで評価する。 課題2: 深層学習と画像分類 50点 目標2-1 プログラムのソース・結果・考察を評価する。 目標2-2 精度評価実験の結果・考察を評価する。 目標2-3 サーバー操作に関するレポート課題を評価する。 ※レポート課題ごとに大規模言語モデル（LLM）の利用について説明があった場合，その説明通り利用していないことが発覚した場合，レポート点を減点しますので注意してください。 |
| 履修上の注意 ／Notices |
不合格の場合は再履修すること。 再履修する場合，正規学年の学生と同様に出席し，レポートを提出すること。 関連科目の内容を調べ，理解して授業に臨むこと。 |
| 教員メッセージ ／Message from Lecturer |
前半に行う深層学習入門は後半で扱う画像分類のために必要な内容を含む最新のディープラーニング技術について指定教科書を中心として調査報告する。単純に教科書を発表するだけでなく他の学生と議論することで理解を深めることを目指す。 深層学習と画像分類は計測・収集したデータの処理およびその統計モデル化を扱う。これら二つの課題で扱う技術は，現代のIoT/データサイエンス分野における基礎的な知識と作業フローの体験である。両方の課題を十分に理解し，使いこなすことは、4年次の卒業研究や就職後の業務においても大きな助けとなる。 情報学応用演習A/Bで扱うデータは実データであり，理論から外れる値も多く含まれる。これらの外れ値をどのように捉え，処理するかは実務上重要な課題である。慣れない点も多いかもしれないが，他科目では扱わない内容であり，積極的に取り組むことが求められる。 |
| 学習・教育目標との対応 ／Learning and Educational Policy |
学生便覧「学習目標と授業科目との関係表」参照 |
| 関連科目 ／Related course |
プログラミング演習，プログラミングA, B, 情報学基礎演習A, B, 情報学応用演習A, 信号処理，確率・統計，人工知能，認識と学習，データサイエンス入門，現代情報学概論，マイクロプロセッサ |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け（担当） ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考 ／Notes |
|---|---|---|---|---|
| 該当するデータはありません | ||||
|
Active learning 1-1 ／主体的学修（反転授業，小テスト，振り返り 等） |
毎回の授業で技術調査やプログラミングを用いた実験的課題やその考察を行う課題を課す。 |
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
50%超 |
|
Active learning 2-1 ／対話的学修（グループ学習，協働，調査体験 等） |
本演習は数名のグループで学習した内容を発表する課題や，共同で画像処理のための機械学習モデルを学習して性能向上を目指す課題を課す。 |
|
Active learning 2-2 ／上記項目に係るALの度合い |
50%超 |
|
Active learning 3-1 ／深い学修（複数科目の知識の総合化や問題解決型学修 等） |
1年前期から3年前期に学んだことを基礎として，総合的な学習を行う。 |
|
Active learning 3-2 ／上記項目に係るALの度合い |
50%超 |