|| 英語(English)
学習支援計画書(シラバス) 検索システム
専門教育課程 情報工学科
授業科目区分 科目名 単位数 科目コード 開講時期 履修方法
専門教育課程
専門科目
専門
知識情報処理
Intelligent Information Processing
2 E529-01 2023年度
6期(後学期)
修学規程第4条を参照
担当教員名
*印は、実務経験のある教員を示しています。
授業科目の学習・教育目標
キーワード 学習・教育目標
1.人工知能 2.問題解決 3.推論 4.機械学習 5.自然言語処理 知識情報処理では、知識をシステマティックに蓄積する必要がある。問題解決に知識を如何 に表現し、利用するか、そして知識をコンピュータ内の知識表現データ構造に如何に変換し ていくかを学ぶ。さらに、知識情報処理によく用いられるプログラミング言語についても触 れ、問題解決、機械学習、自然言語処理に関する理解を深める。
授業の概要および学習上の助言
近年再び脚光を浴びている人工知能について俯瞰する講義・演習科目。はじめに知識情報処理の概要について学び、次いで将 棋プログラムなどでも使われている探索アルゴリズム、ロボットカー(自動運転車)などで重要な位置推定の手法、さらにビ ッグデータを処理するための機械学習、そして最後に自然言語処理、画像処理などについても学ぶ。各手法の理解を深めるた め、学期を通じて出題される課題への取り組みが特に重視される。 1.知識情報処理の基礎 2.問題解決  (状態空間モデル、さまざまな探索アルゴリズム、動的計画法) 3.確率論的手法(ベイズ理論、強化学習、位置の推定) 4.機械学習  (クラスタリング、パターン認識) 5.自然言語処理
教科書および参考書・リザーブドブック
教科書:人工知能概論 改訂第2版[講談社] 参考書:指定なし リザーブドブック:指定なし
履修に必要な予備知識や技能
「問題解決」では基本的なアルゴリズム、「推論」では高校レベルの確率論、「機械学習」では線形代数の理解が必要となる 。また演習課題の中には、手計算で行うとかなり時間がかかるため、自分の得意なプログラミング言語で解くことが望ましい 課題も含まれる。
学生が達成すべき行動目標
No. 学科教育目標
(記号表記)
D,J,L,M 知識情報処理の基本概念について理解し、説明ができる。
D,J,L,M 問題解決のための探索アルゴリズムおよび動的計画法について理解し、説明ができる。
D,J,L,M 位置推定の手法について理解し、説明ができる。
D,J,L,M 機械学習が対象とする問題とその計算方法について理解し、説明ができる。
D,J,L,M 自然言語処理および画像処理の基礎を理解し、説明ができる。
達成度評価
評価方法
試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 40 60 0 0 0 0 0 100
指標と評価割合 総合評価割合 40 60 0 0 0 0 0 100
総合力指標 知識を取り込む力 25 25 0 0 0 0 0 50
思考・推論・創造する力 15 25 0 0 0 0 0 40
コラボレーションと
リーダーシップ
0 0 0 0 0 0 0 0
発表・表現・伝達する力 0 0 0 0 0 0 0 0
学習に取組む姿勢・意欲 0 10 0 0 0 0 0 10
※総合力指標で示す数値内訳、授業運営上のおおよその目安を示したものです。
評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験 知識情報処理技術に関する基本的な知識・技術が身についているかを試験により確認する。
クイズ
小テスト
知識情報処理技術、特に使用されるアルゴリズムを理解しているかをクイズ(原則として期限1週間の課 題)により確認する。
レポート
成果発表
(口頭・実技)
作品
ポートフォリオ
その他
具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
・問題解決・推論・自然言語処理などの基本的な知識情報処理 について詳しく説明できると同時に、中・大規模の問題をコン ピュータを使って解くことができる。 ・問題解決・推論・自然言語処理などの基本的な知識情報処理 について説明できると同時に、簡単な具体例を手計算で解くこ とができる。
CLIP学習プロセスについて
一般に、授業あるいは課外での学習では:「知識などを取り込む」→「知識などをいろいろな角度から、場合によってはチーム活動として、考え、推論し、創造する」→「修得した内容を表現、発表、伝達する」→「総合的に評価を受ける、GoodWork!」:のようなプロセス(一部あるいは全体)を繰り返し行いながら、応用力のある知識やスキルを身につけていくことが重要です。このような学習プロセスを大事に行動してください。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間(例えば2単位科目の場合、予習2時間・復習2時間/週)を取るよう努めてください。詳しくは教員の指導に従って下さい。
授業明細
回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分※
1週 授業のガイダンスを行い、学習目標を理解する。 知識情報処理の概要について理解する。 また、人工知能とは何かを理解する。 講義 学習目標をよく理解する。 知識情報処理とは何か、状態空間 とは何かを説明できるようにする 。教科書第1章を読む。 60 60
2週 状態空間と基本的な探索について理解する。 講義と演習 状態空間と基本的な探索の課 題出題 教材(PowerPoint資料)の内容を 理解する。 教科書第2章を読む。 60 60
3週 最適経路の探索について理解する。 講義と演習 最適経路の探索に関する課題 出題 教材(PowerPoint資料)の内容を 理解する。 教科書第3章を読む。 60 60
4週 ゲームの理論について理解する。 講義と演習 ゲームの理論に関する課題出 題 教材(PowerPoint資料)の内容を 理解する。 教科書第4章を読む。 60 60
5週 動的計画法について理解する。 講義と演習 動的計画法に関する課題出題 教材(PowerPoint資料)の内容を 理解する。 教科書第5章を読む。 60 60
6週 確率とベイズ理論の基礎について理解する。 講義と演習 ベイズ理論に関する課題出題 教材(PowerPoint資料)の内容を 理解する。 教科書第6章を読む。 60 60
7週 確率的生成モデルとナイーブベイズについて理解する 。 講義と演習 ナイーブベイズに関する課題 出題 教材(PowerPoint資料)の内容を 理解する。 教科書第7章を読む。 60 60
8週 ベイズフィルタについて理解する。 講義と演習 ベイズフィルタに関する課題 出題 教材(PowerPoint資料)の内容を 理解する。 教科書第9章を読む。 60 60
9週 粒子フィルタについて理解する。 講義と演習 粒子フィルタに関する課題出 題 教材(PowerPoint資料)の内容を 理解する。 教科書第10章を読む。 60 60
10週 機械学習を用いたクラスタリングについて理解する。 講義と演習 クラスタリングに関する課題 出題 教材(PowerPoint資料)の内容を 理解する。 教科書第11章を読む。 60 60
11週 パターン認識と教師あり学習について理解する。 講義と演習 教師あり学習に関する課題出 題 教材(PowerPoint資料)の内容を 理解する。 教科書第12章を読む。 60 60
12週 ニューラルネットワーク+基本パーセプトロンについ て理解する。 講義と演習 ニューラルネットワーク+基 本パーセプトロンに関する課 題出題 教材(PowerPoint資料)の内容を 理解する。 教科書第13章を読む。 60 60
13週 自然言語処理について理解する。 これまで学んだことについて総復習する。 講義と演習 自然言語処理に関する課題出 題 教材(PowerPoint資料)の内容を 理解する。 教科書第14章を読む。 60 60
14週 達成度確認試験を行なう。 講義と試験 これまで学んだ項目を振り返り、 理解を深める。特に、達成度確認 試験を通じて、理解不足の項目に ついて復習する。 60 60
15週 自己点検授業 達成度確認試験の内容を解説する。 これまで学んだ知識情報処理全般を振り返り、理解を 深める。 講義とアンケート これまで学んだ知識情報処理全般 を振り返り、総括する。 120