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
CLOSE