シラバス参照

基本情報/Basic Information

遠隔授業（授業回数全体の半分以上）の場合は、科目名の先頭に◆が付加されています（2023年度以降）

開講科目名
／Course

◆人工知能の初歩／Invitation to Artificial Intelligence

時間割コード
／Course Code

R1001032_G1

開講所属
／Course Offered by

共通／

ターム・学期
／Term・Semester

2025年度／Academic Year　　第1クォーター／1Q

曜限
／Day, Period

火／Tue　4

開講区分
／Semester offered

第1クォーター／1Q

単位数
／Credits

1.0

学年
／Year

2,3,4

主担当教員
／Main Instructor

松田　憲幸

授業形態
／Lecture Form

講義・演習

教室
／Classroom

東１号館Ｅ１-３０１／E1-301

開講形態
／Course Format

遠隔授業（授業回数全体の半分以上）

ディプロマポリシー情報
／Diploma Policy

要件年度／Required Year	要件所属／Course Name	ディプロマポリシー／Diploma Policy	DP値／DP Point
2020/04 ～9999/04	共通	幅広い教養と分野横断的な学力	2
		専門的知識や技能	4
		課題解決力と自己学修能力	3
		協働性とコミュニケーション能力	1

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Affiliation
松田　憲幸	システム工学部（教員）

授業の概要・ねらい／Course Aims	人と機械の知性の特性の違いを顕在化するために，まず，人工知能がどのような問題に対し，どのようにアプローチしたかを理解する．自身で熟考し，他者との議論を通してを人工知能が扱った問題と，アプローチで構築された知識との峻別を図ることで，人がもつ無意識の共通認識を浮き彫りにすることをねらう．
到達目標／Course Objectives	人工知能を設計する困難性を踏まえ，対象とする問題の特性に基づき解決アプローチを説明できるようになる．計算原理，探索問題，判別問題，計画問題，機械学習について問題と知識を峻別でき，アプローチの特徴を説明する．
成績評価の方法・基準／Grading Policies/Criteria	授業でmoodleへ課す課題について，次の項目で評価し，均一に得点化する．（１）主張・意見の分かりやすさ（明瞭ー不明瞭）（２）主張を支える根拠の妥当性（高いー低い）（３）例示の妥当性（高いー低い）
教科書／Textbook	記載事項なし
参考書・参考文献／Reference Book	記載事項なし
履修上の注意・メッセージ／Notice for Students	記載事項なし
履修する上で必要な事項／Prerequisite	レポートの提出は，指示された期日までにmoodleへ提出です．授業内で PC を使用します．グループ演習について授業の中で案内します．
履修を推奨する関連科目／Related Courses	人工知能概論データサイエンスへの誘いA/B データサイエンス入門A/B
授業時間外学修についての指示／Instructions for studying outside class hours	指定された動画を視聴し予習すること．授業時間外学習として毎回予習1時間・復習1時間を確保すること。
その他連絡事項／Other messages	記載事項なし
授業理解を深める方法／How to deepen your understanding of classes	・グループ演習に際し，まず，自分の意見を十分に整理し，積極的に発言する。・他の学生の主張との相違点を洗い出し，理由を話し合う。「アクティブ・ラーニング」実施要項 ⑩
オフィスアワー／Office Hours	水曜日3限@A615室，A606室，S408室です．松田(matsuda@wakayama-u.ac.jp)へ事前に連絡もらえると，よりスムーズです．
科目ナンバリング／Course Numbering	C61031J1111032i2
実務経験／Practical Experience	無

No.	回（日時）／Time (date and time)	主題と位置付け／Subjects and instructor's position	学習方法と内容／Methods and contents	備考（担当）／Notes
1	第一講	対象問題の複雑さ	人工知能の歴史 AIと社会トイプロブレムエキスパートシステム強いAI／弱いAI 倫理の問題産業とAI	遠隔授業（同時双方向） PC 使用
2	第二講	計算原理	チューリングマシン状態遷移	遠隔授業（同時双方向） PC 使用
3	第三講	探索問題	探索アルゴリズム決定問題，決定木	遠隔授業（同時双方向） PC 使用
4	第四講	計画問題	プランニング状態空間	遠隔授業（同時双方向） PC 使用
5	第五講	問題と知識	人工の知能と人の知能特殊な問題と普遍の知識	遠隔授業（同時双方向） PC 使用
6	第六講	機械学習	教師あり／なし学習予測（回帰）強化学習	遠隔授業（同時双方向） PC 使用
7	第七講	深層学習	ニューラルネットワーク深層学習、特徴抽出，畳み込み(CNN)	遠隔授業（同時双方向） PC 使用
8	第八講	定式化とアプローチ	問題の定式化と解決アプローチ機械学習と特徴抽出	遠隔授業（同時双方向） PC 使用

授業の概要・ねらい／Course Aims	人と機械の知性の特性の違いを顕在化するために，まず，人工知能がどのような問題に対し，どのようにアプローチしたかを理解する．自身で熟考し，他者との議論を通してを人工知能が扱った問題と，アプローチで構築された知識との峻別を図ることで，人がもつ無意識の共通認識を浮き彫りにすることをねらう．
到達目標／Course Objectives	人工知能を設計する困難性を踏まえ，対象とする問題の特性に基づき解決アプローチを説明できるようになる．計算原理，探索問題，判別問題，計画問題，機械学習について問題と知識を峻別でき，アプローチの特徴を説明する．
成績評価の方法・基準／Grading Policies/Criteria	授業でmoodleへ課す課題について，次の項目で評価し，均一に得点化する．（１）主張・意見の分かりやすさ（明瞭ー不明瞭）（２）主張を支える根拠の妥当性（高いー低い）（３）例示の妥当性（高いー低い）
教科書／Textbook	記載事項なし
参考書・参考文献／Reference Book	記載事項なし
履修上の注意・メッセージ／Notice for Students	記載事項なし
履修する上で必要な事項／Prerequisite	レポートの提出は，指示された期日までにmoodleへ提出です．授業内で PC を使用します．グループ演習について授業の中で案内します．
履修を推奨する関連科目／Related Courses	人工知能概論データサイエンスへの誘いA/B データサイエンス入門A/B
授業時間外学修についての指示／Instructions for studying outside class hours	指定された動画を視聴し予習すること．授業時間外学習として毎回予習1時間・復習1時間を確保すること。
その他連絡事項／Other messages	記載事項なし
授業理解を深める方法／How to deepen your understanding of classes	・グループ演習に際し，まず，自分の意見を十分に整理し，積極的に発言する。・他の学生の主張との相違点を洗い出し，理由を話し合う。「アクティブ・ラーニング」実施要項 ⑩
オフィスアワー／Office Hours	水曜日3限@A615室，A606室，S408室です．松田(matsuda@wakayama-u.ac.jp)へ事前に連絡もらえると，よりスムーズです．
科目ナンバリング／Course Numbering	C61031J1111032i2
実務経験／Practical Experience	無

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information