材料情報科学

科目名
Course Title
授業コード 単位数 配当年次 開講期間
Term
科目分類 ナンバリング
コード
曜日
コマ
教室 担当教員氏名
Instructor
材料情報科学
Materials Informatics
B103460001 2 2 後期授業 専門科目 AKMAE2220-J1 水1 C5-実習室1-B,C5-実習室1-C,オンライン(中百舌鳥キャンパス) 上杉 徳照

オフィスアワー

毎週水曜 12:00〜12:50

授業目標

材料情報科学についての基本的な知識を問う問題に答えることができると共に、コンピュータとPythonを自ら使用し、材料情報科学の課題を解決できる。

教科書

毎回の授業前に資料を配付する。

参考書

東京大学のデータサイエンティスト育成講座 Pythonで手を動かして学ぶデータ分析. 中山浩太郎, 塚本邦尊, 山田典一, 大澤文孝. マイナビ出版. 2019.
機械・金属材料学. 黒田大介. 実教出版 2015.

関連科目

データマイニング、人工知能、機械学習

授業時間外の学習(準備学習等について)

材料情報科学での講義内容が製造業をはじめとした実社会でどのように利用されているかを理解すること。

授業の概要

材料情報科学とは何か、その基盤技術と課題を学ぶ科目である。この授業では、ニューラルネットワークを中心とした、各種の機械学習手法を学び、材料情報科学における機械学習の具体例を交えて、機械学習の実際を学ぶと共に、材料情報科学で用いる基本的な特徴量として、金属材料を中心とした材料の物理的性質、化学的性質、機械的性質、製造プロセス、組織観察について、基本的な知識を得る。
授業は金属材料の講義、機械学習の講義、機械学習の演習の3つの異なるパートを交互に繰り返して進める。金属材料の講義と機械学習の講義ではYouTube動画を聴講した後に、授業支援システムから課題を提出する。機械学習の演習ではGoogle Colaboratoryを利用して、Pythonの実行を行う。

詳細は以下のリンクからこの授業の紹介ビデオを見て下さい
https://youtu.be/b7Kx3-gx-yI

授業計画

第1回 9月 29日 金属材料の講義①金属材料の基礎(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第2回 10月 6日 機械学習の講義①機械学習概論1(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第3回 10月 13日 機械学習の演習① Colaboratory利用(対面) 準備学習等 配布資料を予習し、課題を提出すること。
第4回 10月 20日 金属材料の講義②平衡状態図(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第5回 10月 27日 機械学習の講義②機械学習概論2(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第6回 11月 10日 機械学習の演習② Python入門(対面) 準備学習等 配布資料を予習し、課題を提出すること。
第7回 11月 17日 金属材料の講義③鉄鋼概論(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第8回 11月 24日 機械学習の講義③線形回帰(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第9回 12月 1日 機械学習の演習③ Pandas・Matplotlib入門(対面) 準備学習等 配布資料を予習し、課題を提出すること。
第10回 12月 8日 金属材料の講義④非鉄金属材料概論(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第11回 12月 15日 機械学習の講義④ニューラルネットワーク(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第12回 12月 22日 機械学習の演習④ scikit-learn入門(対面) 準備学習等 配布資料を予習し、課題を提出すること。
第13回 1月 12日 金属材料の講義⑤組織観察と特性評価(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第14回 1月 19日 機械学習の講義⑤深層学習概論(非同期オンライン) 準備学習等 配布資料を予習し、課題を提出すること。
第15回 1月 26日 機械学習の演習⑤Keras入門(対面) 準備学習等 配布資料を予習し、課題を提出すること。
第16回 2月 2日 定期試験 準備学習等

成績評価

到達目標の達成度で成績評価を行う。合格(単位修得)のためには、
・金属材料の基礎、平衡状態図、鉄鋼材料、非鉄金属材料、組織観察と特性評価について、半分以上の設問に正しく答えられること。
・機械学習概論、線形回帰、ニューラルネットワーク、深層学習概論について、半分以上の設問に正しく答えられること。
・Pythonを使用し、材料情報科学の演習課題の半分以上を解くことができること。
を達成することが求められる。
成績を評価する方法として、期末試験と課題または演習課題の提出(15回)を用いる。ただし、期末試験を40%、課題または演習課題を60%とする。それぞれの配分は、金属材料の講義パートを30%、機械学習の講義パートを30%、機械学習の演習パートを40%として評価を行う。