シラバス参照

授業情報／Course information

科目一覧へ戻る 2021/09/22 現在

授業基本情報
科目名（和文）
／Course		 人工知能Ⅱ
科目名（英文）
／Course		 Artificial Intelligence II
時間割コード
／Registration Code		 21272102
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		 ○滝本　裕則
オフィスアワー
／Office Hour		 滝本　裕則(木曜5限, 2608室)
開講年度
／Year of the Course		 2021年度
開講期間
／Term		 前期
対象学生
／Eligible Students		 3年
単位数
／Credits		 2.0
授業概要情報
更新日
／Date of renewal		 2021/03/01
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		 本講義では，計算機にヒトと同じような知的な処理を行わせる計算機科学である人工知能の概要について学ぶ．前半は，計算機による自律的な学習を目指す機械学習の基礎と方法論について学ぶ．後半は，深層学習をはじめとして，より高度な機械学習を理解するために欠かせない素養を身につけることを目的とする．特に，人工知能の代表的な活用分野として主に画像や映像情報を対象とした活用事例を解説する．
履修に必要な知識・能力・キーワード
／Prerequisites and Keywords		 科目「人工知能」を履修していることが望ましい．
また，科目「情報通信工学実験Ｂ」を履修し，簡単なプログラムをPythonで記述できることが望ましい．

キーワード：パターン認識，機械学習，深層学習，畳み込みニューラルネットワーク，画像処理
履修上の注意
／Notes		 特になし．
教科書
／Textbook(s)		 なし．毎回資料を配布する．
参考文献等
／References		 「イラストで学ぶ 人工知能概論」，谷口 忠大 ，講談社
「わかりやすいパターン認識」，石井健一郎他，オーム社
「初めてのディープラーニング」，武井宏将，リックテレコム
「画像認識」，原田達也，講談社
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 各回の学習内容を復習すること．また，講義中に示す演習課題に取り組むこと．
資格等に関する事項
／Attention Relating to Professional License
備考
／Notes		 本科目はオンライン授業（オンデマンド形式）にて実施する予定である．
本科目では以下のアクティブラーニングを採用している．
・振り返り（小テスト）
・課題（レポート）
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 [ガイダンス，人工知能の概要]
講義全体について概要を説明する．		 前回までの学習内容を復習すること． 当該回に関するプレゼンテーション資料を配布する．
2 2 [復習（確率とベイズ理論）]
科目「人工知能」で学んでいるはずの内容を再確認する．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
3 3 [復習（クラスタリング）]
科目「人工知能」で学んでいるはずの内容を再確認する．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
4 4～6 [機械学習]
人工知能に対する現実的なアプローチである機械学習の基礎について学ぶ．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
5 7～8 [機械学習プログラミング]
Pythonを用いて基本的な機械学習プログラムを実装し，理解を深める．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
6 9 [ニューラルネットワーク]
ニューラルネットワークの基礎，学習法について学ぶ．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
7 10～11 [深層学習と畳み込みニューラルネットワーク]
深層学習と畳み込みニューラルネットワークの基礎について学ぶ．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
8 12～13 [画像分野における人工知能活用技術]
画像や映像に写っている物体を認識し、理解するといった画像分野における人工知能技術について解説・議論する．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
9 14 [様々な分野における人工知能活用技術]
画像以外の分野における活用事例の概要について解説する．
 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
10 15 [まとめ]
講義全体のまとめを行う．		 前回までの学習内容を復習すること．また，講義中に示す演習課題に取り組むこと． 当該回に関するプレゼンテーション資料を配布する．
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 機械学習の基礎を理解し，適切に表現・説明することができる．（E） ○ ○ ○ ○
2 Pythonを用いて基本的な機械学習プログラムを実装することができる．（E） ○ ○ ○ ○
3 ニューラルネットワークと深層学習の基礎を理解し，適切に表現・説明することができる．（E） ○ ○ ○ ○
4 画像や映像情報を対象とした人工知能の代表的な活用事例を理解し，適切に説明することができる．（E） ○ ○ ○ ○
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.		 演習課題およびレポート 学習態度
1 機械学習の基礎を理解し，適切に表現・説明することができる．（E） ○ ○
2 Pythonを用いて基本的な機械学習プログラムを実装することができる．（E） ○ ○
3 ニューラルネットワークと深層学習の基礎を理解し，適切に表現・説明することができる．（E） ○ ○
4 画像や映像情報を対象とした人工知能の代表的な活用事例を理解し，適切に説明することができる．（E） ○ ○
評価割合（％）
／Allocation of Marks		 90 10

科目一覧へ戻る