シラバス参照

授業情報／Course information

科目名／Course: 人工知能Ⅱ／Artificial Intelligence II
科目一覧へ戻る 2022/09/09 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		 22271901
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　２６０４室)
開講年度
／Year of the Course		 2022年度
開講期間
／Term		 後期
対象学生
／Eligible Students		 3年次生
単位数
／Credits		 2.0
授業概要情報
更新日
／Date of renewal		 2022/03/01
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		 統計的推論の発展手法を理解し，実際のデータへの応用を学習する．
履修に必要な知識・能力・キーワード
／Prerequisites and Keywords		 機械学習の理解
履修上の注意
／Notes		 人工知能Iを履修のこと
教科書
／Textbook(s)		 集中販売資料を参照のこと
参考文献等
／References		 なし
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 授業中に紹介する手法について，独自に実装してみるとよい．
資格等に関する事項
／Attention Relating to Professional License
アクティブラーニングに関する事項
／Attention Relating to Active Learning
実務経験に関する事項
／Attention Relating to Operational Experiences
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

本授業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
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 [導入]
本授業で必要な数学的知識の確認		 授業中に示す課題を各自やってみるとよい プリント
2 2 [統計的学習１]
EMアルゴリズムの復習		 授業中に示す課題を各自やってみるとよい プリント
3 3 [統計的学習２]
ベイズ推定の復習		 授業中に示す課題を各自やってみるとよい プリント
4 4 [統計的学習３]
ベイズ推定の応用事例		 授業中に示す課題を各自やってみるとよい プリント
5 5 [統計的学習４]
ニューラルネットワークの理解		 授業中に示す課題を各自やってみるとよい プリント
6 6 [推論と論理１]
論理関数の復習		 授業中に示す課題を各自やってみるとよい プリント
7 7 [推論と論理２]
述語論理の理解		 授業中に示す課題を各自やってみるとよい プリント
8 8 [推論と論理３]
論理プログラミングの紹介		 授業中に示す課題を各自やってみるとよい プリント
9 9 [実践的アルゴリズム１]
回帰分析		 授業中に示す課題を各自やってみるとよい プリント
10 10 [実践的アルゴリズム２]
機械学習パッケージの初歩		 授業中に示す課題を各自やってみるとよい プリント
11 11 [実践的アルゴリズム３]
クラスタリングアルゴリズム		 授業中に示す課題を各自やってみるとよい プリント
12 12 [実践的アルゴリズム４]
ニューラルネットワークの基礎		 授業中に示す課題を各自やってみるとよい プリント
13 13 [実践的アルゴリズム５]
ニューラルネットワークの応用		 授業中に示す課題を各自やってみるとよい プリント
14 14 [最先端の研究の理解]
研究事例と応用例		 授業中に示す課題を各自やってみるとよい プリント
15 15 [まとめと展望]
今後の技術開発の見通し		 授業中に示す課題を各自やってみるとよい プリント
16 16 [テスト]
テストを行う		 授業中に示す課題を各自やってみるとよい プリント
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 統計的学習手法の応用ができる（Ｅ） ○ ○ ○
2 時系列処理の基礎が理解できる（Ｅ） ○ ○ ○
3 プログラミングと連動できる（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
1 統計的学習手法の応用ができる（Ｅ） ○ ○
2 時系列処理の基礎が理解できる（Ｅ） ○ ○
3 プログラミングと連動できる（Ｅ） ○ ○
評価割合（％）
／Allocation of Marks		 50 50

科目一覧へ戻る