3．応用基礎レベル（学部 3・4 年次） 卒業研究において機械学習や AI を実践的に利活用し、新たな価値を創出できる人材の育成を目指している。15 回× 2科目の演習（データサイエンス演習基礎・応用）に内容を凝縮しているため、十分な学習時間を確保するべく、（株） キカガクと共同で自学自修型の技科大オリジナル教材を開発した。 教材はJupyter Notebook形式のデジタル教科書と解説ビデオで構成され、Google Colabを利用することで、Webブ ラウザ上でプログラミングの実行結果をインタラクティブに確認できる（詳細は、「3.3.3 教育 DX」を参照）。 表 1 データサイエンス演習基礎で使われる教材の学習テーマ（TK Basic シリーズ） イントロダクション（人工知能とは） 機械学習の数学 1（微分） 機械学習の数学 2（線形代数） 機械学習の数学 3（統計） 機械学習の数学 4（単回帰分析） 機械学習の数学 5（重回帰分析） Python の基礎 1（データ構造と制御構文） Python の基礎 2（関数） Python の基礎 3（クラス） 数値計算 データ処理と可視化 機械学習の実装 1（教師あり学習：回帰） 機械学習の実装 2（教師あり学習：分類） 機械学習の実装 3（ハイパーパラメータの調整） 機械学習の実装 4（教師無し学習） 表 2 データサイエンス演習応用で使われる教材の学習テーマ（TK Advance シリーズ） ニューラルネットワークの数学 1（順伝播） ニューラルネットワークの数学 2（逆伝播） ニューラルネットワークの実装 1（分類） ニューラルネットワークの実装 2（回帰） 画像処理とディープラーニング 画像分類の実装 系列モデリングとディープラーニング 時系列解析 自然言語処理とディープラーニング 機械翻訳の実装 ------（以下、シリーズ外として追加） データサイエンス概論 AI概論 4．実施体制と学外連携 学内では、IT 活用教育センター（CITE）と教務委員会下の教育運営専門部会が連携し、PDCA サイクルを回しなが らプログラムの質向上に取り組んでいる。また、「eHELP（e ラーニング高等教育連携）」を通じて、開発した教材や講 義（応用基礎レベル）を単位互換協定を結ぶ他大学や高専にもリモート配信している。 111 II 転換の10年
RkJQdWJsaXNoZXIy NDY3NTA=