　　　　　

専門教育課程　ロボティクス学科

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	ロボットインテリジェンス Robot Intelligence	2	E233-01	2024年度６期（後学期）	修学規程第4条を参照

担当教員名
小暮　潔＊

＊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.機械学習 3.確率 4.回帰 5.識別

人工知能の分野における中心的なテーマの１つに機械学習がある。機械学習は様々な分野で用いられている。たとえば、ロボットが実世界で遭遇する不確実性の取り扱いにおいて重要な役割を果たす。本科目では、機械学習をロボットに応用することができるようになるために、その基礎を習得する。

授業の概要および学習上の助言

　授業は、講義（質疑応答を含む）、演習、小テストおよびレポート課題を適宜組み合わせて進める。　本科目で取り扱う中心的な内容は、以下に示す、教科書の第１章から第４章である。　　　第１章　序論　　　第２章　確率分布　　　第３章　線形回帰モデル　　　第４章　線形識別モデル　授業は、授業明細表に沿って行うが、理解度に応じて予定を変更することがある。　復習と予習が重要である。授業後に十分に復習を行い、知識を定着させ、使いこなせるようになることを期待する。予習としては、事前に指定する教科書の範囲を通読することを期待する。その際、理解する上での前提知識が不足している場合には、これまでの学習内容の復習あるいは自学自習によって不足している知識を補うことを期待する。そのための助言が必要であれば、オフィスアワーなどの積極的利用を推奨する。

教科書および参考書・リザーブドブック
教科書：パターン認識と機械学習　上　ベイズ理論による統計的予測[丸善出版] 参考書：指定なしﾘｻﾞｰﾌﾞﾄﾞﾌﾞｯｸ：指定なし

履修に必要な予備知識や技能

微積分、線形代数の知識を前提とする。履修前に「工学のための数理工Ⅰ」、「工学のための数理工Ⅱ」、「線形代数Ⅰ」、「線形代数Ⅱ」の学習内容を復習し、十分に使いこなせるようになっていることを期待する。「アドバンスト数理Ａ」、「技術者のための統計」を履修していることが望ましい。

学生が達成すべき行動目標
No.	学科教育目標（記号表記）
①	M	確率に関する基本的な概念を説明することができる。
②	M	重要な確率分布を説明することができる。
③	M	線形回帰モデルに関する基本的な概念と手法を説明することができる。
④	M	線形識別モデルに関する基本的な概念と手法を説明することができる。
⑤
⑥

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	30	30	0	0	0	0	100
指標と評価割合	総合評価割合		40	30	30	0	0	0	0	100
	総合力指標	知識を取り込む力	20	15	10	0	0	0	0	45
		思考・推論・創造する力	20	15	15	0	0	0	0	50
		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	5	0	0	0	0	5
		学習に取組む姿勢・意欲	0	0	0	0	0	0	0	0

※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	①	レ	総合的に達成度を評価するために、授業明細表に指定した予定で期末試験を行う。なお、授業の進行状況に応じて予定が変更されることがある。
	②	レ
	③	レ
	④	レ
	⑤
	⑥
クイズ小テスト	①	レ	中間における振り返りとして、授業明細表に指定した予定で中間テストを行う。これに加えて、授業内容の理解度を確認するために不定期に小テストを行う。なお、授業の進行状況に応じて予定が変更されることがある。
	②	レ
	③	レ
	④	レ
	⑤
	⑥
レポート	①	レ	授業内容の理解度を深めるために、不定期にレポート課題を課す。
	②	レ
	③	レ
	④	レ
	⑤
	⑥
成果発表 (口頭・実技)	①
	②
	③
	④
	⑤
	⑥
作品	①
	②
	③
	④
	⑤
	⑥
ポートフォリオ	①
	②
	③
	④
	⑤
	⑥
その他	①
	②
	③
	④
	⑤
	⑥

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
授業で取り扱う基本的な概念と手法を正確に理解し、説明することができる。	授業で取り扱う基本的な概念と手法を概ね理解し、説明することができる。

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	科目ガイダンス・授業の運営方針の確認教科書「第１章　序論」・多項式曲線フィッティングに関する学習	講義（質疑応答を含む）と演習	復習：多項式曲線フィッティングに関する理解	120
２	教科書「第１章　序論」・確率の基礎に関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：確率の基礎に関する理解	60 120
３	教科書「第１章　序論」・確率に基づく多項式曲線フィッティングに関する学習・決定理論の基礎に関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：確率に基づく多項式曲線フィッティング、決定理論の基礎に関する理解	60 120
４	教科書「第２章　確率分布」・ベルヌーイ分布、二項分布、多項分布に関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：ベルヌーイ分布、二項分布、多項分布に関する理解	60 120
５	教科書「第２章　確率分布」・ガウス分布に関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：ガウス分布に関する理解	60 120
６	教科書「第２章　確率分布」・ガウス分布に関する学習・ノンパラメトリック法に関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：ガウス分布、ノンパラメトリック法に関する理解	60 120
７	総合演習中間テスト	演習小テスト	予習：第６回までの学習内容の復習	180
８	中間テストの解説自己点検	講義（質疑応答を含む）自己点検	復習：中間テストの内容の復習	90
９	教科書「第３章　線形回帰モデル」・線形基底関数モデルに関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：線形基底関数モデルに関する理解	60 120
１０	教科書「第３章　線形回帰モデル」・バイアス‐バリアンス分解に関する学習・ベイズ線形回帰に関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：バイアス‐バリアンス分解、ベイズ線形回帰に関する理解	60 120
１１	教科書「第４章　線形識別モデル」・識別関数に関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：識別関数に関する理解	60 120
１２	教科書「第４章　線形識別モデル」・確率的生成モデルに関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：確率的生成モデルに関する理解	60 120
１３	教科書「第４章　線形識別モデル」・確率的識別モデルに関する学習	講義（質疑応答を含む）と演習	予習：教科書の指定範囲の通読復習：確率的識別モデルに関する理解	60 120
１４	総合演習期末試験	演習試験	予習：第１３回までの学習内容の復習	180
１５	期末試験の解説自己点検	講義（質疑応答を含む）自己点検	復習：期末試験の内容の復習、達成度の自己確認	90