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 |
