シラバス参照

授業情報／Course information

科目一覧へ戻る 2020/10/22 現在

授業基本情報
科目名（和文）
／Course		 人工知能プログラミング
科目名（英文）
／Course		 Artificial Intelligence Programming
時間割コード
／Registration Code		 22270701
学部（研究科）
／Faculty		 情報工学部
学科（専攻）
／Department		 情報システム工学科
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○但馬　康宏
オフィスアワー
／Office Hour		 但馬　康宏(水曜２限)
開講年度
／Year of the Course		 2020年度
開講期間
／Term		 第4クォーター
対象学生
／Eligible Students		 3年次生
単位数
／Credits		 1.0
授業概要情報
更新日
／Date of renewal		 2020/02/22
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		 機械学習による推測を行うアルゴリズムについて学ぶ．具体的には次の手法の考え方を学ぶ．
１）回帰（線形回帰，線形基底関数）
２）ロジスティック回帰
３）ニューラルネット（主に多層パーセプトロン）
４）サポートベクトルマシン，ナイーブベイズ
履修に必要な知識・能力・キーワード
／Prerequisites and Keywords		 ソフトウエア演習Ⅰ，Ⅱの単位は取得済であること．データ構造とアルゴリズム，人工知能，統計工学を修得すみ，あるいは，同等レベルの知識を持っていることが望ましい．
履修上の注意
／Notes		 本講義では主に理論的な部分を説明し，引き続いて行われる「知能プログラミング演習」において演習を行う．
従って「知能プログラミング演習」の同時履修を強く進める．
授業は教員による一方的な説明ではなく，学生との対話を重視する．
積極的に発言すること．間違えていても構わない．むしろ間違いを歓迎する．
教科書
／Textbook(s)		 集中販売一覧表を参照
参考文献等
／References
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 必ずプログラムを作成すること．
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 [pythonによるデータの扱い]
pythonにおけるテンソルの扱い，数式との関係などについて説明する．必要に応じてpythonにおけるオブジェクト指向プログラミングについて復習する．
2 1 [回帰]
様々な機械学習の方式について概観したあと，回帰(regression)について考える．
3 1 [分類１：ロジスティック回帰]
回帰の考え方を応用して分類問題を解く方法である，ロジスティック回帰について学ぶ
4 2 [分類２：ニューラルネット]
ニューラルネットの基本であるＭＬＰ(多層パーセプトロン）について学んだあと，それを応用した「手書き数字認識」の方法について学ぶ
5 2 [分類３：ＳＶＭとナイーブベイズ]
古くから使われている基本的な分類方法である，ナイーブベイズとＳＶＭについて学ぶ．
6 1 [期末試験]
期末試験を行う
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 機械学習の考え方が説明できる． ○ ○ ○
2 回帰（ロジスティック回帰を含む）の手法が説明できる ○ ○ ○
3 ニューラルネット（多層パーセプトロン）の原理が説明できる ○ ○ ○
4 非ニューラルネット的な教師あり分類手法（ＳＶＭ，および，ナイーブベイズ）の原理が説明できる． ○ ○ ○
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.		 レポート，受講態度
1 機械学習の考え方が説明できる． ○ ○
2 回帰（ロジスティック回帰を含む）の手法が説明できる ○ ○
3 ニューラルネット（多層パーセプトロン）の原理が説明できる ○ ○
4 非ニューラルネット的な教師あり分類手法（ＳＶＭ，および，ナイーブベイズ）の原理が説明できる． ○ ○
評価割合（％）
／Allocation of Marks		 70 30

科目一覧へ戻る