CMD体育_cmd体育平台@

图片

シラバス参照

授業情報／Course information

科目一覧へ戻る 2019/01/02 現在

授業基本情報
科目名（和文）
／Course		 知能プログラミング演習
科目名（英文）
／Course		 Artificial Intelligence Programming Exercise
時間割コード
／Registration Code		 22270802
学部（研究科）
／Faculty		 情報工学部
学科（専攻）
／Department		 情報システム工学科
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○菊井　玄一郎
オフィスアワー
／Office Hour		 菊井　玄一郎(火曜５時限，2606室)
開講年度
／Year of the Course		 2018年度
開講期間
／Term		 第4クォーター
対象学生
／Eligible Students		 3年次生（「知識情報処理」を単位取得していない平成27年度以前入学生）
単位数
／Credits		 1.0
授業概要情報
更新日
／Date of renewal		 2018/03/15
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 機械学習を中心として人工知能に関するプログラミングの基礎技術に関する演習を行う．
ＳＶＭ，ナイーブベイズ，ニューラルネットの基礎的な技法，挙動について理解することを目的とする．
履修に必要な知識?能力?キーワード
／Prerequisites and Keywords		 ソフトウエア演習Ｉ，ＩＩは必ず履修しておくこと．データ構造とアルゴリズムを履修しておくことが望ましい．
履修上の注意
／Notes		 人工知能プログラミングと連携しているので，必ず履修すること．
また，講義が始まるまでにpythonの基礎を自習しておくこと．
教科書
／Textbook(s)		 なし．資料を配布する．
参考文献等
／References		 pythonに関する入門書．
機械学習，ニューラルネットに関する入門書．
前者についてはＳＶＭ，ナイーブベイズ，パーセプトロン．
後者については多層パーセプトロン（マルチレイヤーパーセプトロン，ＭＬＰ）をカバーしているものが良い．
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 上記参考文献を読むことを勧める
資格等に関する事項
／Attention Relating to Professional License
備考
／Notes
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配布資料
／Handouts
1 1 [pythonによるデータの扱い]
pythonの基本について学ぶ
2 2 [SVMによる分類学習]
SVMによる分類学習についてハイパーパラメータの働きについて理解する
3 4 [ナイーブベイズ]
ナイーブベイズによる自動分類アルゴリズムを実装し，パラメータ値について考察する．
4 5-7 [ニューラルネット]
ニューラルネット構築ツール(chainerの予定)を利用して単純パーセプトロン，および，多層パーセプトロンを作成し，実験を行う
授業評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識?理解
／Knowledge & Undestanding		 技能?表現
／Skills & Expressions		 思考?判断
／Thoughts & Decisions		 伝達?コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 インスタンスとクラスを考慮したプログラムの作成ができる ○ ○
2 Support Vector Machineを使った分類プログラムが作成できる ○ ○ ○ ○
3 ナイーブベイズによる学習，予測ができる ○ ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 演習
1 インスタンスとクラスを考慮したプログラムの作成ができる ○ ○
2 Support Vector Machineを使った分類プログラムが作成できる ○ ○
3 ナイーブベイズによる学習，予測ができる ○ ○
評価割合（％）
／Allocation of Marks		 10 90

科目一覧へ戻る