  シラバス参照
|
| 科目名／Course: 人工知能プログラミング／Artificial Intelligence Programming | |
| 科目一覧へ戻る | 2024/09/10 現在 |
| 科目名（和文） ／Course |
人工知能プログラミング |
|---|---|
| 科目名（英文） ／Course |
Artificial Intelligence Programming |
| 時間割コード ／Registration Code |
22270701 |
| 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 |
○天嵜 聡介 |
| オフィスアワー ／Office Hour |
天嵜 聡介(火曜 4 限 2506室 （＊急な会議?出張等のため不在にすることがあります）) |
| 開講年度 ／Year of the Course |
2024年度 |
| 開講期間 ／Term |
第4クォーター |
| 対象学生 ／Eligible Students |
3年次生 |
| 単位数 ／Credits |
1.0 |
| 更新日 ／Date of renewal |
2024/08/08 |
|---|---|
| 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 |
機械学習による推測を行うアルゴリズムについて学ぶ。具体的には次の手法の考え方を学ぶ。 １）回帰（線形回帰，線形基底関数） ２）ロジスティック回帰 ３）ニューラルネット（主に多層パーセプトロン） ４）深層学習 |
| 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の単位は取得済であること。 人工知能や統計に関する講義の単位を取得済みであることが望ましい。 |
| 履修上の注意 ／Notes |
本講義では主に理論的な部分を説明し、引き続いて行われる「知能プログラミング演習」において演習を行う。 従って「知能プログラミング演習」の同時履修を強く進める。 |
| 教科書 ／Textbook(s) |
Google Colaboratoryで学ぶ！あたらしい人工知能技術の教科書 第2版 機械学習?深層学習?強化学習で学ぶAIの基礎技術、我妻 幸長、翔泳社、ISBN：978-4-7981-8609-2 ※10/9(水)刊行予定のため、それ以降に各自で購入すること |
| 参考文献等 ／References |
|
| 自主学習ガイド ／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework |
必ずプログラムを作成すること |
| 資格等に関する事項 ／Attention Relating to Professional License |
|
| アクティブラーニングに関する事項 ／Attention Relating to Active Learning |
?振り返り ?課題 |
| 実務経験に関する事項 ／Attention Relating to Operational Experiences |
該当しない |
| 備考 ／Notes |
感染状況等によってオンライン授業（オンデマンド）にて実施する可能性がある。 |
| 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 |
配付資料 ／Handouts |
|---|---|---|---|---|
| 1 | 1(1) | [pythonによるデータの扱い] pythonにおけるテンソルの扱い。数式との関係などについて説明する。必要に応じてpythonにおけるオブジェクト指向プログラミングについて学ぶ。 |
||
| 2 | 1(2) | [回帰と分類の基礎] 教師あり学習で一般的な回帰と分類の概念をについて学ぶ。分類はロジスティック回帰を想定する。また、ニューラルネットの基本であるＭＬＰ(多層パーセプトロン）について学ぶ。 |
||
| 3 | 1(3) | [畳み込みニューラルネットワーク] 畳み込みニューラルネットワークについて学び、それを応用した手書き数字認識について学ぶ。 |
||
| 4 | 1(4) | [再帰型ニューラルネットワーク] 系列データ扱う再帰型ニューラルネットワークについて学び、それを応用したテキストの生成について学ぶ。 |
||
| 5 | 1(5) | [変分オートエンコーダ] 生成モデルの基本的な構造を学び、変分オートエンコーダによる画像の生成を学ぶ。 |
||
| 6 | 1(6) | [敵対性生成ネットワーク] 敵対性生成ネットワークの構造と学習方法を学び、画像の生成を学ぶ。 |
||
| 7 | 1(7) | [転移学習] 転移学習の概念について学び、具体的な利用例について学ぶ。 |
| 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 | 基礎的な機械学習の考え方を応用できる（E） | ○ | ○ | ○ | ||||
| 2 | 線形回帰（ロジスティック回帰を含む）を応用できる（E） | ○ | ○ | ○ | ||||
| 3 | 基礎的なニューラルネットワーク（多層パーセプトロンなど）を応用できる（E） | ○ | ○ | ○ | ||||
| 4 | 畳み込みニューラルネットワークなど代表的な深層学習手法を応用できる（E） | ○ | ○ | ○ |
| No. |
到達目標 ／Learning Goal |
定期試験 ／Exam. |
期末課題 | 小課題 | |||
|---|---|---|---|---|---|---|---|
| 1 | 基礎的な機械学習の考え方を応用できる（E） | ○ | ○ | ||||
| 2 | 線形回帰（ロジスティック回帰を含む）を応用できる（E） | ○ | ○ | ||||
| 3 | 基礎的なニューラルネットワーク（多層パーセプトロンなど）を応用できる（E） | ○ | ○ | ||||
| 4 | 畳み込みニューラルネットワークなど代表的な深層学習手法を応用できる（E） | ○ | ○ | ||||
|
評価割合（％） ／Allocation of Marks |
70 | 30 | |||||