キーワード
|
|
|
|
|
|
|
|
|
授業の目標
|
|
|
|
以下を授業の目標として設定します。
① 専門を問わず、「自然言語処理」に興味があれば学ぶ事ができる。具体的には、プログラミングに慣れていない学生・普段、情報科学を専門としていない学生も受講可能な授業とする。
② 授業中に実際のデータを処理する時間をつくることで、具体的にどのような操作をもって「自然言語処理」が実行できるのかを体得する事が可能な授業とする。
|
|
|
|
到達目標
|
|
|
|
受講した学生が、以下の事ができるようになる事を目標とします。
① Python を利用する上での基本操作
具体例：変数・関数の作成、コレクションの操作、条件分岐、繰り返し処理
② Python を使って自然言語を処理可能なデータに変換する操作
具体例：N-gram、形態素解析、Bag of Words の作成、TF-IDF 計算
③ Python を使った自然言語データ分析の実行
具体例：共起分析、LDAによるトピックモデル、ニューラルネットワークを使った処理とその利用
|
|
|
|
授業計画
|
|
|
|
本授業は、10年以上にわたりデータサイエンティストとして活躍する和田陽一郎 ((株)D4cアカデミー 代表取締役社長 /(株)データフォーシーズ 執行役員 /北海道大学理学研究院 客員教授 /電気通信大学産学官連携センター 客員教授) による集中講義として開講します。
以下の流れで進めていきます。
１．自然言語処理概説
２．Python の基本操作習得
３．自然言語データの操作①（N-gram、形態素解析、Bag of Words の作成）
４．自然言語データの操作②（TF-IDF計算、分析に向けた細かいデータ整備技術）
５．自然言語データ分析①（共起分析、LDAによるトピックモデル）
６．自然言語データ分析②（ニューラルネットワークを使った処理、他）
７．グループワークによる分析（課題設定、分析、レポーティング）と結果発表
※ １～２で2コマ、３～６で3.5コマ、７～で2.5コマを使う予定です。
|
|
|
|
準備学習(予習・復習)等の内容と分量
|
|
|
|
プログラミングの経験は問いませんし、授業で使う基礎的内容については最初に概説しますが、未経験の方の場合、不明点を自分で調べる必要が出てくる可能性がありますので、事前にご認識ください。なお、コンピュータ言語初心者向けに、事前学習資料を提供の予定です。
本講義では個人PCを使用します。
教科書あるいは他の教材は授業前にPDFファイルにて配布します。
|
|
|
|
成績評価の基準と方法
|
|
|
|
以下を評価します。
１．講義・演習に積極的に参加していたか？（20%）
２．授業中に行う簡単な小テストの成績（学習した内容を理解できているか？）（10%）
３．グループワークの発表内容（問題設定が適切か？設定した問題に答える結果になっているか？）（30%）
４．グループワーク中に書いたプログラムの内容（学習した内容を適切に使っているか？）（40%）
|
|
|
|
有する実務経験と授業への活用
|
|
|
|
|
|
|
|
|
他学部履修の条件
|
|
|
|
|
|
|
|
|
テキスト・教科書
|
|
|
|
|
|
|
|
|
|
講義指定図書
|
|
|
|
|
|
|
|
|
|
参照ホームページ
|
|
|
|
|
|
|
|
|
研究室のホームページ
|
|
|
|
|
|
|
|
|
備考
|
|
|
|
＊本講義は以下の日程で開講します。
12月9日（月）3-5講時（13:00-18:00）
12月10日（火）3-5講時（13:00-18:00）
12月11日（水）3-4講時（13:00-16:15）
＊受講希望者多数の場合はDX博士人材フェローシップ生／アンビシャス博士人材フェローシップ生を優先します。
|
|
|
|
更新日時
|
|
|
|
|
|
|
|
|
授業実施方式
|
|
|
|
|
|
|
|