授業の目的

データサイエンティストとして活躍するためには、与えられた問題に対して自分で解法を考え、それをプログラムとして実装する能力が必要になる。本講義では、これまでの「プログラミングⅠ～Ⅲ」で学んできた内容を最大限活用して、教員から出題される実世界の応用を想定した問題に対して、自分で機械学習プログラムを実装して、未知のデータに対して高い予測精度を達成することを目指す。受講者間で予測精度の競争（コンペティション）を行い、成績優秀者ほど評価も高くなる。このようなコンペティション形式でのプログラミングを通して、社会で活躍するための実戦的なスキルと競争力を醸成する。

教育内容

教員から問題を2問出題する。各問題について、以下の内容を行う：
問題の実世界における背景の説明
教員から提供するサンプルプログラムの説明
グループディスカッションによる他の学生とのアイデア交換
プログラムの実装と改良
コンペティションの実施
成績発表
講評
解法のプレゼンテーションと議論

問題については、下記のどれかから年度ごとに異なるものを出題する：
タンパク質配列設計
DNA配列設計
RNA配列設計
タンパク質－タンパク質相互作用予測
タンパク質－化合物相互作用予測
顕微鏡画像からの細胞領域予測
オーミクス情報解析

教育方法

パワーポイントによる講義の後、プログラミング演習を行う。パワーポイント資料は講義前にホームページ等で配布する。毎回、学生はプログラムの進捗やグループディスカッションの状況について教員に報告する。コンペティションでは、学生がプログラムを提出し、教員がプログラムの精度評価を行う。コンペティション終了後、学生はグループディスカッションの内容、解法のアイデア、実装したプログラムなどをまとめたレポートを提出する。
毎回の進捗報告の内容をふまえ、必要に応じて教員からアドバイスやサポートを行う。コンペティションの成績発表とレポートの提出後、教員から解法の傾向やユニークなアイデアなどについて講評を行う。講義に関する質問はメールや対面にて受け付ける。

卒業・学位授与の方針と当該科目の関連

DP4、DP5

授業内容(シラバス)

到達目標

与えられた実世界の問題に対して自分で解法を考え、それをプログラムとして実装することができる。

評価方法

毎回の進捗報告（30％）、コンペティションの成績（20％）、レポート（50％）の合計で評価する。

準備学習(予習・復習等)

【講義時間外に必要な学修時間：87時間】
予習：事前に配布する講義資料を読み、疑問点を明確にしておくこと。講義資料内のソースコードを自分で実行して、動作を確認しておくこと。「人工知能・機械学習入門」や「深層学習入門」で学んだ内容を復習しておくこと。
復習：グループディスカッションで他の学生と交換したアイデアを吟味して、プログラムの改良と予測精度の向上に努めること。コンペティション終了後、他の学生の解法のプレゼンテーションを聞いて、自分の解法と比較・考察を行うこと。

備考・その他

【科目ナンバリング：FU302-BK03】
【関連科目：プログラミングⅢ、人工知能・機械学習入門、深層学習入門】

実務経験の授業への活用方法

（齋藤）国立研究所でのデータ解析ソフトウェアの開発経験をもとに、プログラミングについて講義・演習を行う。
（来見田）国立研究所における生命科学データの解析経験をもとに、プログラミングの講義と演習を行う。

教材