シラバス参照

授業情報/Class Information

科目一覧へ戻る 2022/03/31 現在

基本情報/Basic Information

遠隔授業の場合は、科目名の先頭に◆が付加されています
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
2022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
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

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
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
対象とする問題の特性を分析して人工知能の解法を構築できる。
成績評価の方法・基準
/Grading Policies/Criteria
課題に対する完成度、説明の説得力で評価します。
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
授業内でPCを使用しますから,各自持参すること。
履修を推奨する関連科目
/Related Courses
データ解析
人工知能
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
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
S61032J11110E242
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/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
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
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
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
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
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
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
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
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
10 第十講 文章と画像を分類する深層学習(八谷) TFIDF、CNN、MNIST
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
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
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
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
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

科目一覧へ戻る