学部・大学院区分
Undergraduate / Graduate		農・博前
時間割コード
Registration Code		2930009
科目区分
Course Category		Ｃ類
Category C
科目名　【日本語】
Course Title		データサイエンス特別講義３
科目名　【英語】
Course Title		Special Lecture on Data Science 3
コースナンバリングコード
Course Numbering Code
担当教員　【日本語】
Instructor		稲垣　哲也 ○
担当教員　【英語】
Instructor		INAGAKI Tetsuya ○
単位数
Credits		1
開講期・開講時間帯
Term / Day / Period		秋１期 水曜日 ５時限
Fall1 Wed 5
対象学年
Year		１年
1
授業形態
Course style


授業の目的　【日本語】
Goals of the Course(JPN)
近年は一度の測定で得られるデータが膨大になってきています。
これらのデータを効率的に解析するには、プログラム技能が必須です。
そこで本授業ではプログラム言語pythonを用いたデータ解析について学びます。
授業はZOOMで開催します。
授業の目的　【英語】
Goals of the Course
The amount of data that can be obtained with a single measurement is increasing.
Programming skills are essential for efficient analysis of these data.
Therefore, in this class, you will learn about data analysis using the program language python.
In this course you will learn the following:
Regression of numerical data [Scikit-learn], acquisition / processing of image data [Open-CV], and image recognition [Tensorflow] are performed using the open library of Python program.
Classes will be held at ZOOM.
到達目標　【日本語】
Objectives of the Course(JPN)
このコースでは次の内容を習得します。
Pythonプログラムのオープンライブラリを用いて、数値データの回帰[Scikit-learn]、画像データの取得・処理[Open-CV]、画像認識[Tensorflow]を行う。
到達目標【英語】
Objectives of the Course
In this course you will learn the following:
Use the open library of the Python program to perform numerical data regression [Scikit-learn], image data acquisition / processing [Open-CV], and image recognition [Tensorflow].
授業の内容や構成
Course Content / Plan
1.機械学習とは？
2.機械学習で数値データ解析
3.機械学習でスペクトルデータ解析
4.機械学習で画像解析
5.機械学習で画像解析
6.DLで画像認識
7.DLで画像認識
1.What is machine learning?
2.Numerical data analysis with machine learning
3.Spectral data analysis with machine learning
4.Image analysis with machine learning
5.Image analysis with machine learning
6.Image recognition with DL
7.Image recognition with DL
履修条件・関連する科目
Course Prerequisites and Related Courses
この授業を履修するにはData Sciences 1 、Data Sciences 2の単位を取得している必要があります。
You must have Data Sciences 1 and Data Sciences 2 credits to take this class.
成績評価の方法と基準
Course Evaluation Method and Criteria
毎回の授業の出席とレポート
Evaluate each lesson by attendee and short report．
教科書・テキスト
Textbook
なし(配布資料)
none（Handouts）
参考書
Reference Book
なし(配布資料)
none（Handouts）
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours)
授業前にAnacondaをインストールしてください
Installing the Anaconda Software
使用言語
Language Used in the Course
日本語と英語の併用
Combination of Japanese and English
授業開講形態等
Lecture format, etc.
NUCTおよびZOOM
NUCT and ZOOM
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class)
ＺＯＯＭで録画した授業を一定期間公開します
Lecture recorded with ZOOM will be released for a certain period of time