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	人工知能演習／Exercises in fundamentals of artificial intelligence
時間割コード ／Course Code	S1407700_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3クォーター／3Q
曜限 ／Day, Period	木／Thu　1,　木／Thu　2
開講区分 ／Semester offered	後期／the latter 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	演習
教室 ／Classroom	北１号館Ａ６０１／北１号館Ａ６０１
開講形態 ／Course Format
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 ～2022/04 システム工学部 1.幅広い教養と分野横断的な学力 1 2020/04 ～2022/04 システム工学部 2.専門的知識や技能 5 2020/04 ～2022/04 システム工学部 3.課題解決力と自己学修能力 2 2020/04 ～2022/04 システム工学部 4.協働性とコミュニケーション能力 2 2023/04 ～9999/04 システム工学部 1.幅広い教養と分野横断的な学力 1 2023/04 ～9999/04 システム工学部 2.専門的知識や技能 5 2023/04 ～9999/04 システム工学部 3.課題解決力と自己学修能力 2 2023/04 ～9999/04 システム工学部 4.協働性とコミュニケーション能力 2

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）
三浦　浩一	システム工学部（教員）
八谷　大岳	システム工学部（教員）

授業の概要・ねらい ／Course Aims	この授業は、人工知能で理解した知識を実際に駆使する演習授業です。他者と共同で問題演習に取り組み、多様な視点で考えることで、人工知能の設計の困難さを踏まえて対象とする問題の特性を同定し解法を構築する技能を養う。
到達目標 ／Course Objectives	実際の問題演習に取り組む．問題の定式化の困難性を見出し，機械的に問題を解くための手続きを設計，実際にコードを書き上げる．知識を記号であらわすアプローチ，および，定量的な機械学習のアプローチの演習に取り組む．
成績評価の方法・基準 ／Grading Policies/Criteria	問題の特性に対する定式化の工夫、説明の分かりやすさ、完成度で評価する．
教科書 ／Textbook	指定なし。
参考書・参考文献 ／Reference Book	指定なし。
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	授業内でPCを使用します。各自持参すること。
履修を推奨する関連科目 ／Related Courses	人工知能，および，機械学習基礎を履修していること．
授業時間外学修についての指示 ／Instructions for studying outside class hours	事前に予習を30分、事後に復習を1時間行うこと。
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	グループワークをともなう学習 【「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	水曜日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	S61032J11110E242，S61033J11110S303，S61032J11110T302，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	論理型言語の特性（松田）	規則と事実の統合 コーディング	対面
2	第二講	再帰によるリスト処理設計（松田）	再帰の種類 再帰の設計 リスト構造の再帰的定義	遠隔（オンライン・同期型）
3	第三講	探索問題の規則の記述（松田）	リスト処理の基本構造 バックトラック 路線探索問題	遠隔（オンライン・同期型）
4	第四講	自然言語処理の規則の記述（松田）	文章の構文解析 対話システム	遠隔（オンライン・同期型）
5	第五講	問題を解く規則の記述（松田）	チューリングマシン プランニング	遠隔（オンライン・同期型）
6	第六講	グループ発表と議論（松田）	グループ演習 グループ発表	遠隔（オンライン・同期型）
7	第七講	Python基礎（八谷）	開発環境の整備 基本的な文法 ライブラリ	対面
8	第八講	ロジステック回帰の実装（八谷）	機械学習の基礎 ロジスティック回帰の設計	対面
9	第九講	ニューラルネットワークの実装（八谷）	三層のニューラルネットワークの設計 モデルの設計、損失関数の設計、最小解の導出、実装	対面
10	第十講	文章と画像を分類する深層学習（八谷）	TFIDF、CNN、MNIST	対面
11	第十一講	グループ発表と議論（八谷）	グループ演習 グループ発表	対面
12	第十二講	強化学習の基礎（三浦）	マルコフチェーン 強化学習の設計	対面
13	第十三講	強化学習の実装（三浦）	最大Q関数の漸化式 エピソードデータ	対面
14	第十四講	強化学習の完成（三浦）	割引報酬和の推移 Pythonによる作図	対面
15	第十五講	グループ発表と議論（三浦）	強化学習の応用についてグループ発表と議論	対面