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	◆AI入門／Introduction to Artificial Intelligence
時間割コード ／Course Code	E2F00009_E1
開講所属 ／Course Offered by	経済学研究科／Graduate School of Economics
ターム・学期 ／Term・Semester	2026年度／Academic Year　　第4クォーター／4Q
曜限 ／Day, Period	木／Thu　5
開講区分 ／Semester offered	第4クォーター／4Q
単位数 ／Credits	1.0
学年 ／Year	1,2
主担当教員 ／Main Instructor	吉野　孝／YOSHINO Takashi
授業形態 ／Lecture Form	講義・演習
教室 ／Classroom
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 2022/04 ～9999/04 経済学研究科 高度な専門性と研究力 5 2022/04 ～9999/04 経済学研究科 協働性と倫理性 3 2022/04 ～9999/04 経済学研究科 地域への関心とグローバル視点 1 2022/04 ～9999/04 経済学研究科 研究科が掲げる到達目標 1

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
西村　竜一	システム工学部（教員）
三浦　浩一	システム工学部（教員）
吉野　孝／YOSHINO Takashi	システム工学部（教員）

授業の概要・ねらい ／Course Aims	この科目では，AIの基本的な内容について講義および演習を通じて学ぶ．まず，AIの歴史や発展，AIの基本的な内容について学ぶ．次に，実社会にいろいろと応用されているAIの内容として，自然言語処理技術，音声情報処理技術，画像処理技術について，講義および演習を通じて，それぞれ入門的な内容を学ぶ．日常生活において，さまざまなAIが使われていることを理解する．
到達目標 ／Course Objectives	1. 日常生活において使われているAIについて説明ができる． 2. AIの技術的な内容について，説明ができる． 3. 自然言語処理技術に関して，説明ができる． 4. 音声情報処理技術に関して，説明ができる． 5. 画像処理技術に関して，説明ができる．
成績評価の方法・基準 ／Grading Policies/Criteria	レポート・課題（100％） 講義や演習内容の理解を確認するための課題の提出を必須とする．課題の未提出がある場合には単位は認定しない．また、課題の提出があっても、講義動画の視聴が十分ではない場合には，未受講と判断して不合格の判定をする．
教科書 ／Textbook	特になし．Moodleコースを通じて，資料（動画教材や各種ファイル等）を配布する．
参考書・参考文献 ／Reference Book	※ 次の書籍は、自習用の参考として紹介するものです。授業の中で利用することはありません。 あたらしい人工知能の教科書, 多田智史, 翔泳社, ISBN : 4798145602, 2016. 2,860円 東京大学のデータサイエンティスト育成講座 ～Pythonで手を動かして学ぶデ―タ分析～, 塚本邦尊 他, マイナビ出版, ISBN : 4839965250, 2019. 3,278円 データサイエンス応用基礎, 竹村彰通 他, 学術図書出版社, ISBN : 4780607159, 2024. 2,750円 音声・テキスト・画像のデータサイエンス入門, 市川治 他, 学術図書出版社, ISBN : 4780607167, 2024. 2,420円
履修上の注意 ・メッセージ ／Notice for Students	この科目は，遠隔授業（オンデマンド型）で実施する．指定された〆切までに動画教材を視聴し，Moodle経由で課題を提出する必要がある． 授業内でPCを使用するため，各自準備すること．なお，授業の中では，PCのサポートは行わない．メール，ウェブブラウザやエディタ等のプログラミングに必要な基本的なPCの操作方法は，各自が事前に習得していることを前提とする． ※この科目では，オンデマンド型遠隔授業への参加をサーバで記録した動画教材の視聴履歴（ログ）で確認する．
履修を推奨する関連科目 ／Related Courses	実践的データマイニング1, 実践的データマイニング2, Pythonを用いたデータマイニング入門１
授業時間外学修（予習・復習等）の内容 ／students learning outside of the class, preparation and review are included	授業計画に沿って，準備学習と復習を行うこと．1単位の学修のために必要な学修量は，授業時間と予習復習の時間をあわせて45時間と定められている．それぞれに見合う自主的学修時間を確保する必要がある．授業内容に関連する課題に関する調査・考察を含めて，毎回の授業ごとに自主的学習を求める．
その他連絡事項 ／Other messages	動画を含む教材は，該当回の週にMoodleコースを通じて配信する．指定された〆切までに動画教材を視聴し，課題を提出すること．授業内容の質問等は，Moodleコース上のフォーラムを活用すること．
授業理解を深める方法 ／How to deepen your understanding of classes	この科目の課題には，簡単なプログラミングを必要とするものがある．授業内でも解説をするが，ウェブ等の関連資料を用いた自主的なプログラミングの学習を必要とする． 【「アクティブ・ラーニング」実施要項⑥学生自らが実施する調査やトレーニングを必要とする学習】
オフィスアワー ／Office Hours	質問や相談等は，Moodleのフォーラム（掲示板）を用いて受け付ける． メールでの質問は，それぞれの担当教員まで問い合わせること． ※できる限り，事前にメールで連絡をください． メール： yoshino@wakayama-u.ac.jp（吉野孝），北1号館A809 nisimura@wakayama-u.ac.jp（西村竜一），北１号館A716 miurah@wakayama-u.ac.jp（三浦浩一），北1号館A616
科目ナンバリング ／Course Numbering	E61034J11119E595，E61034J11119I595，E61034J11119B595
実務経験のある教員等による授業科目 ／Practical Experience	実践的教育 ／Practical Education 1. 該当しない 実践的教育の内容 ／Contents

No.	回（日時） ／Time (date and time)	主題と位置付け ／Subjects and position in the whole course	学習方法と内容 ／Methods and contents	備考（担当） ／Notes
1	1	AIとは（吉野）	・歴史 ・ルールベースと知識ベース ・機械学習 ・深層学習 ・画像・音声，テキストの認識	遠隔授業（オンデマンド型）・PC利用
2	2	自然言語処理（吉野）	・自然言語処理の概要と歴史 ・文字列・テキスト処理の基礎 ・自然言語処理技術の紹介 ・自然言語処理の難しさ	遠隔授業（オンデマンド型）・PC利用
3	3	音のAI概論（西村）	・音声情報処理技術の解説 ・スマートスピーカーや音声対話システムについて	遠隔授業（オンデマンド型）・PC利用
4	4	音声認識ウェブインタフェースの試作と評価 （西村）	・簡単な音声対話プログラムの試作 ・プログラミング演習	遠隔授業（オンデマンド型）・PC利用
5	5	対話ウェブシステムの実装 （西村）	・音声対話プログラムの改良 ・プログラミング演習 ・音声翻訳及びその他の応用について	遠隔授業（オンデマンド型）・PC利用
6	6	画像認識の概要（三浦）	・さまざまな画像認識タスクの概要紹介 ・画像認識のための画像処理	遠隔授業（オンデマンド型）・PC利用
7	7	手書き文字の画像分類（三浦）	・機械学習による画像分類 ・プログラミング演習	遠隔授業（オンデマンド型）・PC利用
8	8	まとめ（吉野，西村，三浦）	・課題の総評，授業の振り返り	遠隔授業（オンデマンド型）・PC利用