京都大学 京都大学

Special Lecture on Plant Production Sciences

Numbering Code Year/Term 2022 ・ Intensive, First semester
Number of Credits 2 Course Type Lecture
Target Year 2nd year students Target Student
Language Japanese Day/Period Intensive
Instructor name IWATA HIROYOSHI (Part-time Lecturer)
WEI GUO (Part-time Lecturer)
Outline and Purpose of the Course 【農学におけるデータ解析入門】
世界人口増加に対応するための高生産性農業の実現、環境負荷軽減のための低投入持続型農業の実現など、農学的課題の難度は近年急速に高まっている。こうした課題解決の一つの鍵となるのはデータの活用であり、大量に収集可能となった多様なデータをもとに農業生産をモデル化し、モデルをもとに最適な意思決定を行う、いわゆる、データ駆動型システムの構築が重要である。そのためには、高いデータリテラシーを備えた人材の育成が不可欠となる。データ駆動型システムの実現は、農業の生産性・持続可能性の向上に寄与するだけでなく、農業の利益ポテンシャルの向上にもつながると期待される。本講義では、農学におけるデータリテラシーを鍛えるための第一歩として、多次元データ解析、画像データ解析の知識と技術の習得を目指す。また、習得した知識をもとに、データ駆動型農業のポテンシャルについてグループディスカッションを行う。
Course Goals １．データ解析のリテラシーを身につける。
２．データ駆動型農業の仕組みを理解する。
Schedule and Contents 1. 農学における多変量データ解析の応用例　（座学）
2. 多変量データの解析（視覚化）
3. 多変量データの解析（次元圧縮）
4. 多変量データの解析（予測・回帰）
5. 多変量データの解析（予測・分類）
6. 多変量データの解析（多対多の関係）
7. 多変量データ解析を実践する　（レポート）
8. 植物画像データに基づくデータ解析の応用例　（座学）
9. 植物画像データの収集
10. 植物画像データの画像解析（１）
11. 植物画像データの画像解析（２）
12. 植物画像データの機械学習
13. 植物画像データの深層学習
14. 深層学習を実践する　（レポート）
15. データ駆動型の農業とは：現状と展望　（Active Learning）
Evaluation Methods and Policy 2回のレポート（60％）と授業への参加態度（40％）をもとに評価する
評価基準及び方針については、当該年度農学部学生便覧記載の［評価基準及び方針］による。
Course Requirements None
Study outside of Class (preparation and review) 講義で指示する。
Textbooks Textbooks/References 特になし。独自の講義資料を配布する。
PAGE TOP