人工知能のシラバス情報
科目名称 Course title(Japanese) |
人工知能 | 科目番号 Course number |
43ICDAS302 | |
---|---|---|---|---|
科目名称(英語) Course title(English) |
Artificial Intelligence | |||
授業名称 Class name |
人工知能 |
教員名 | 長谷川 幹雄,和田 正義 |
---|---|
Instructor |
開講年度学期 | 2022年度 前期 |
---|---|
Year/Semester |
曜日時限 | 木曜2限 |
---|---|
Class hours |
開講学科 Department |
工学部 電気工学科 |
---|---|
外国語のみの科目 (使用言語) Course in only foreign languages (languages) |
- |
単位 Course credit |
2.0 | 授業の主な実施形態 Main class format |
ブレンド型授業/Blended format |
---|
概要 Descriptions |
人工知能は、様々な分野に応用されている。本講義では、人工知能で用いられる機械学習アルゴリズム、特にニューラルネットワーク、ディープラーニングについて学ぶ。教室での講義では人工知能の原理/理論を学び、ターミナル室での授業ではニューラルネットワーク、ディープラーニングのプログラミングを行い理解を深める。 |
---|---|
目的 Objectives |
人工知能の原理/理論を理解し、さらに、人工知能をプログラミングできるようになることを目的とする。 |
到達目標 Outcomes |
1. 人工知能の原理/理論を理解する。 2. ディープラーニングのアルゴリズムを理解する。 3. ディープラーニングをプログラミングできるようになる。 |
履修上の注意 Course notes prerequisites |
プログラミング系の必修科目を修得済みであることが望ましい。 |
アクティブ・ラーニング科目 Teaching type(Active Learning) |
|||
---|---|---|---|
課題に対する作文 Essay |
- | 小テストの実施 Quiz type test |
◯ |
ディベート・ディスカッション Debate/Discussion |
- | グループワーク Group work |
- |
プレゼンテーション Presentation |
- | 反転授業 Flipped classroom |
- |
その他(自由記述) Other(Describe) |
- |
準備学習・復習 Preparation and review |
準備学習:教科書の指定ページを事前に熟読する。 復習:教科書を参考にしながら、講義内容を理解する。プログラミング実習内容を理解し、演習課題を完了させる。 |
---|---|
成績評価方法 Performance grading policy |
演習課題/小テスト(40%)、期末試験(60%) |
学修成果の評価 Evaluation of academic achievement |
・S:到達目標を十分に達成し、極めて優秀な成果を収めている ・A:到達目標を十分に達成している ・B:到達目標を達成している ・C:到達目標を最低限達成している ・D:到達目標を達成していない ・-:学修成果の評価を判断する要件を欠格している ・S:Achieved outcomes, excellent result ・A:Achieved outcomes, good result ・B:Achieved outcomes ・C:Minimally achieved outcomes ・D:Did not achieve outcomes ・-:Failed to meet even the minimal requirements for evaluation |
教科書 Textbooks/Readings |
・教科書を使用する場合は、MyKiTS(教科書販売サイト)から検索・購入可能ですので以下のURLにアクセスしてください。 https://gomykits.kinokuniya.co.jp/tokyorika/ ・Search and purchase the necessary textbooks from MyKiTS (textbook sales site) with the link below. https://gomykits.kinokuniya.co.jp/tokyorika/ |
参考書・その他資料 Reference and other materials |
講義中に紹介する。 |
授業計画 Class plan |
1. 人工知能(AI)とは 内容:歴史的技術動向と現状のAIの関係について 2. 統計学的手法と機械学習 内容:基本的なデータ分析手法や学習について 3. ニューラルネットワーク(NN)とディープラーニング 内容:ニューラルネットワークの基本とディープラーニングについて 4. Python入門 内容:本講義のプログラミングで使用するPython言語を理解する 5. パーセプトロン(1) 内容:パーセプトロンの原理を理解する。 6. パーセプトロン(2) 内容:パーセプトロンのプログラミングができるようになる。 7. ニューラルネットワーク 内容:ニューラルネットワークを理解する。 8. ニューラルネットワークの学習 内容:ニューラルネットワークをプログラミングし、学習させることが出来るようになる。 9. 誤差逆伝播法(1) 内容:誤差逆伝播法を理解する。 10. 誤差逆伝播法(2) 内容:誤差逆伝播法をプログラミング出来るようになる。 11. 学習に関するテクニック 内容:パラメータの更新、重みの初期値、Batch Normalizationについて理解する。 12. 畳み込みニューラルネットワーク(1) 内容:畳み込みニューラルネットワークを理解する。 13. 畳み込みニューラルネットワーク(2) 内容:畳み込みニューラルネットワークをプログラミングできるようになる。 14. ディープラーニング 内容:ディープラーニングを理解する。 15.まとめ [授業外学習の課題] 演習課題を通して理解を深める。 教科書の予習/復習を行い、理解を深める。 |
---|
教職課程 Teacher-training course |
|
---|---|
実務経験 Practical experience |
長谷川:通信関連研究所の勤務経験を活かし講義する 和田:企業(電気系)における勤務経験を活かし講義を行う。 |
教育用ソフトウェア Educational software |
- |
備考 Remarks |
---|
9943261 |