シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2024/09/20 現在 |
|
開講科目名 ／Course |
人工知能／Artificial Intelligence | ||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
時間割コード ／Course Code |
S1400580_S1 | ||||||||||||||||||||||||||||||||||||
|
開講所属 ／Course Offered by |
システム工学部／Faculty of Systems Engineering | ||||||||||||||||||||||||||||||||||||
|
ターム・学期 ／Term・Semester |
2024年度／Academic Year 第1クォーター／1Q | ||||||||||||||||||||||||||||||||||||
|
曜限 ／Day, Period |
水／Wed 1 | ||||||||||||||||||||||||||||||||||||
|
開講区分 ／Semester offered |
前期／the former term | ||||||||||||||||||||||||||||||||||||
|
単位数 ／Credits |
2.0 | ||||||||||||||||||||||||||||||||||||
|
学年 ／Year |
2,3,4 | ||||||||||||||||||||||||||||||||||||
|
主担当教員 ／Main Instructor |
松田 憲幸 | ||||||||||||||||||||||||||||||||||||
|
科目区分 ／Course Group |
_ | ||||||||||||||||||||||||||||||||||||
|
授業形態 ／Lecture Form |
講義 | ||||||||||||||||||||||||||||||||||||
|
教室 ／Classroom |
北１号館Ａ１０３／北１号館Ａ１０３ | ||||||||||||||||||||||||||||||||||||
|
開講形態 ／Course Format |
|||||||||||||||||||||||||||||||||||||
|
ディプロマポリシー情報 ／Diploma Policy |
|
|
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 |
この授業は、人工知能における定量的なアプローチと定性的なアプローチの二つで構成している。問題を解くための知識について，他者との議論を通じて広い観点から眺め、理解を深める。この科目は、担当教員の実務経験を活かした企業のニューラルネットワークおよび強化学習の応用例に関する内容を含む。 |
|---|---|
|
到達目標 ／Course Objectives |
人工知能の設計の困難さを踏まえ，対象問題の特性を捉える定式化のスキルを習得する。 |
|
成績評価の方法・基準 ／Grading Policies/Criteria |
授業中の課題（４０％）、および、期末試験（６０％）で判定する。 |
|
教科書 ／Textbook |
記載事項なし |
|
参考書・参考文献 ／Reference Book |
八谷大岳：ゼロからつくるPython機械学習プログラミング入門、講談社（２０２０）、ISBN-13 : 978-4065206126、3,300円 |
|
履修上の注意 ・メッセージ ／Notice for Students |
授業内でＰＣを使用しますから，各自持参すること。 |
|
履修する上で必要な事項 ／Prerequisite |
記載事項なし |
|
履修を推奨する関連科目 ／Related Courses |
データ解析 人工知能演習 |
|
授業時間外学修についての指示 ／Instructions for studying outside class hours |
本授業の授業計画に沿って、準備学習30分と復習1時間を行ってください。さらに、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修を求めます |
|
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 |
授業中に提示するテーマについて反転授業，グループワークを通して議論する。 【「アクティブ・ラーニング」実施項目③、⑩】 |
|
オフィスアワー ／Office Hours |
木曜日5限，訪問先：北一号館A615室，email等(matsuda@wakayama-u.ac.jp)で事前予約ください． |
|
科目ナンバリング ／Course Numbering |
S61032J11110E241，S61033J11110S302，S61032J11110T301，S61032J11110U301 |
| 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（松田） | 人工知能が解決した問題の順序と問題の複雑さの関係を理解する | 人工知能が解決した問題の歴史 人の問題解決スキルの分類 |
|
| 2 | 第二講（松田） | 計算問題の定式化を理解し，問題と知識の区別を理解する | チューリングマシンの計算原理 掛け算 |
|
| 3 | 第三講（松田） | 対象とする問題の捨象を理解する | 計算問題と探索問題 決定問題の解決アプローチを類型化 |
|
| 4 | 第四講（松田） | 計画問題の定式化を通して知識の記述の特性を理解する | Brooksのプランニング 記号接地問題、フレーム問題 |
|
| 5 | 第五講（八谷） | 事象の偏りによる機械学習の原理を理解する | 強化学習，確率，条件付き確率，ベイズの定理 微分による最適化 |
|
| 6 | 第六講（八谷） | 強化学習の基礎を理解し設計できる | 強化学習，マルコフ決定過程 強化学習の定式化 |
|
| 7 | 第七講（八谷） | 特徴抽出によるニューラルネットワークの学習の原理を理解できる | 回帰，シグモイド関数，交差エントロピー，再急降下法の更新 最適化問題 |
|
| 8 | 第八講（八谷） | 学習データに対するニューラルネットワークを設計できる | 制約なしの最小化問題 交差エントロピーの計算 |
|
| 9 | 第九講（八谷） | 特徴抽出を学習する深層学習を理解できる | 文章の特徴量 畳み込み層，プーリング処理 ，全結合層 |
|
| 10 | 第十講（松田） | 認知の定式化による推論する機械の原理を理解できる | 作業記憶と長期記憶 統合と推論 |
|
| 11 | 第十一講（松田） | 規則と事実の統合による推論の知識を記述できる | Watson研究の課題，記号接地問題 プランニング |
|
| 12 | 第十二講（松田） | 人工知能の困難性を理解し，対象問題を見極めて困難さを説明できる | 因果関係と相関関係 情報システムの設計 |
|
| 13 | 第十三講（松田） | 知識を記述するためのフレームを理解する | 内包的定義と外延的定義，認知と本質属性，概念の峻別 オントロジー |
|
| 14 | 第十四講（松田） | 対象の問題に対する知識を記述できる | 醜いアヒルの仔の定理 共通認識の記述 |
|
| 15 | 第十五講（松田） | 特定の問題について定式化し解法を構築できる | 問題の定式化 困難性と二つのアプローチ |