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		 ○天嵜　聡介
オフィスアワー
／Office Hour		 天嵜　聡介(火曜 4 限
（＊急な会議・出張等のため不在にすることがあります）)
開講年度
／Year of the Course		 2021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		 2021/02/28
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，試験以外はすべてオンライン授業（オンデマンド）にて実施する．
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(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(2) [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(3) [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(4-5) [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(6-7) [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(8) [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（E） ○ ○ ○
2 回帰（ロジスティック回帰を含む）の手法が説明できる（E） ○ ○ ○
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（E） ○ ○ ○
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（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.		 レポート
1 機械学習の考え方が説明できる（E） ○ ○
2 回帰（ロジスティック回帰を含む）の手法が説明できる（E） ○ ○
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（E） ○ ○
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（E） ○ ○
評価割合（％）
／Allocation of Marks		 70 30

科目一覧へ戻る