シラバス参照

シラバス参照

授業情報／Course information

科目一覧へ戻る

2020/04/02 現在

授業基本情報
授業概要情報
授業計画詳細情報
授業評価詳細情報

授業基本情報

科目名（和文）／Course	人工知能Ⅰ
科目名（英文）／Course	Artificial Intelligence I
時間割コード／Registration Code	21272001
学部（研究科）／Faculty	情報工学部
学科（専攻）／Department	情報通信工学科
担当教員（○：代表教員）／Principle Instructor （○） and Instructors	○岩橋　直人
オフィスアワー／Office Hour	岩橋　直人(水曜日（16～17時）)
開講年度／Year of the Course	2019年度
開講期間／Term	後期
対象学生／Eligible Students	1年,2年,3年,4年
単位数／Credits	2

授業概要情報

更新日／Date of renewal	2019/03/12
使用言語／Language of Instruction	日本語
オムニバス／Omnibus	該当なし
授業概略と目的／Cource Description and Objectives	人工知能の分野を概観しつつ，その導入レベルについて理解する．
履修に必要な知識・能力・キーワード／Prerequisites and Keywords	確率・統計の基本的知識キーワード：人工知能、探索、ベイズ理論、多段階決定、クラスタリング、学習、認識
履修上の注意／Notes	人工知能は教養的科目ではありません．人工知能という専門領域や関連領域の内容を含めつつ講義をします．
教科書／Textbook(s)	教科書として，以下の書籍を用いる. イラストで学ぶ人工知能概論、谷口忠大著、講談社、2600円（税抜）
参考文献等／References
自主学習ガイド／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework	講義で学習したアルゴリズムをプログラムで実装してみることを推奨します。
資格等に関する事項／Attention Relating to Professional License
備考／Notes	本科目は「実務経験のある教員による授業科目」又は「主として実践的教育から構成される授業科目」である。その内容等については、次のアドレスの一覧表を参照。 https://www.oka-pu.ac.jp/guide/guide_detail/index/1860.html

授業計画詳細情報

No.	単元（授業回数）／Unit (Lesson Number)	単元タイトルと概要／Unit Title and Unit Description	時間外学習／Preparation and Review	配付資料／Handouts
1	1	[人工知能をつくり出そう] ・人工知能とは何か？を学ぶ。・人工知能の歴史を学ぶ。・人工知能の基本問題を学ぶ。
2	2	[状態空間と基本的な探索] ・状態空間表現を学ぶ。・迷路からの状態空間構成を学ぶ。・基本的な探索を学ぶ。
3	3	[最適経路の探索（１）] ・最適経路の探索とヒューリスティックな知識を学ぶ。・最適探索を学ぶ。・最良優先探索を学ぶ。・A*アルゴリズムを学ぶ。
4	4	[最適経路の探索（２）] ・最適経路の探索とヒューリスティックな知識を学ぶ。・最適探索を学ぶ。・最良優先探索を学ぶ。・A*アルゴリズムを学ぶ。
5	5	[ゲームの理論（１）] ・利得と回避行動を学ぶ。・標準型ゲームを学ぶ。・展開型ゲームを学ぶ。
6	6	[ゲームの理論（２）] ・利得と回避行動を学ぶ。・標準型ゲームを学ぶ。・展開型ゲームを学ぶ。
7	7	[多段階決定（１）] ・多段決定問題を学ぶ。・動的計画法を学ぶ。・例として編集距離の計算を学ぶ。
8	8	[多段階決定（２）] ・多段決定問題を学ぶ。・動的計画法を学ぶ。・例として編集距離の計算を学ぶ。
9	9	[確率とベイズ理論の基礎（１）] ・環境の不確実性を学ぶ。・確率の基礎を学ぶ。・ベイズの定理を学ぶ。・確率システムを学ぶ。
10	10	[確率とベイズ理論の基礎（２）] ・環境の不確実性を学ぶ。・確率の基礎を学ぶ。・ベイズの定理を学ぶ。・確率システムを学ぶ。
11	11	[学習と認識（１）：クラスタリング] ・クラスタリングを学ぶ。・K-means法を学ぶ。・混合ガウス分布を学ぶ。・階層的クラスタリングを学ぶ。・低次元化を学ぶ。
12	12	[学習と認識（２）：クラスタリング] ・クラスタリングを学ぶ。・K-means法を学ぶ。・混合ガウス分布を学ぶ。・階層的クラスタリングを学ぶ。・低次元化を学ぶ。
13	13	[学習と認識（３）：パターン認識] ・機械学習の基礎を学ぶ。・パターン認識を学ぶ。・回帰問題を学ぶ。・分類問題を学ぶ。
14	14	[学習と認識（４）：パターン認識] ・機械学習の基礎を学ぶ。・パターン認識を学ぶ。・回帰問題を学ぶ。・分類問題を学ぶ。
15	15	[まとめ：知能を「つくる」ということ] ・身体の知について学ぶ。・記号の知について学ぶ。・人工知能と未来について学ぶ。
16	16	[期末試験] 全体の内容について試験を行う．

授業評価詳細情報

到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints

No.	到達目標／Learning Goal	知識・理解／Knowledge & Undestanding	技能・表現／Skills & Expressions	思考・判断／Thoughts & Decisions	伝達・コミュニケーション／Communication	協働／Cooperative Attitude
1	探索の初歩的内容について知り，それを計算機によって実現することができる程度まで理解を深める．	○
2	多段階決定の初歩的内容について知り，それを計算機によって実現することができる程度まで理解を深める．	○
3	学習と認識の初歩的内容について知り，それを計算機によって実現することができる程度まで理解を深める．	○

成績評価方法と基準／Evaluation of Achievement

※出席は2/3以上で評価対象となります。

No.	到達目標／Learning Goal	定期試験／Exam.
1	探索の初歩的内容について知り，それを計算機によって実現することができる程度まで理解を深める．	○
2	多段階決定の初歩的内容について知り，それを計算機によって実現することができる程度まで理解を深める．	○
3	学習と認識の初歩的内容について知り，それを計算機によって実現することができる程度まで理解を深める．	○

評価割合（％）／Allocation of Marks		100

科目一覧へ戻る