　　　　　

専門教育課程　メディア情報学科

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	ＡＩ理論・実践 AI Theory and Practice	2	F035-01	2024年度６期（後学期）	修学規程第4条を参照

担当教員名
松下　裕

＊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.ニューラルネットワーク 2.深層学習 3.誤差逆伝播法 4.MATLAB

AIは，既に画像認識や音声認識に活用されて成果を挙げているが，今後デジタルコンテンツのユーザビリティやデザインに対しても展開されると考えられる．本科目では，代表的なAI の種類と特性を紹介した上で，深層学習に焦点を当て，その基本原理，理論展開と実践方法を学習する．まず，ニューラルネットワーク，誤差逆伝播法，畳み込みニューラルネットワークの順に深層学習の基本原理と理論を学ぶ．その上で，基本的なパターン認識の問題を処理するプログラミング技術を修得する．

授業の概要および学習上の助言

授業では以下の項目に重点がおかれる． 1. 階層型ニューラルネットワークの仕組み 2. 誤差逆伝播法の考え方 3. 畳み込みニューラルネットワークの仕組み 4. パターン認識に関する簡単なプログラミング線型代数学と微分に関する基礎知識を復習しておくこと．また，「情報数理B」の重回帰分析（最小2乗法）の内容を履修しておくことが望ましい．

教科書および参考書・リザーブドブック
教科書：ディープラーニングがわかる数学入門[技術評論社] 参考書：ゼロから作るDeep Learning[オライリー・ジャパン] 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
・行列，ベクトル，微分に関する基礎知識を復習しておくこと．・各項目とも毎回の授業の積み重ねで成り立っているので，復習により授業内容を確実に習得しておくこと．・パソコンにMATLABを，Deep Learning ToolboxとOptimization Toolboxを含めて，インストールしておくこと．

学生が達成すべき行動目標
No.	学科教育目標（記号表記）
①	D,H,I,K,N	PDIIIなどの今後の学習活動の中で深層学習を使うことができる．
②	D,I	ニューラルネットワークの基本原理（ニューロン，バイアス，隠れ層など）を理解できる．
③	D,I	誤差逆伝播法の考え方を理解できる．
④	D,I	畳み込みニューラルネットワークの基本的な考え方を理解できる．
⑤	D,H,I	簡単なパターン認識のプログラムを作成できる．
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	20	20	0	0	0	20	100
指標と評価割合	総合評価割合		40	20	20	0	0	0	20	100
	総合力指標	知識を取り込む力	20	10	10	0	0	0	0	40
		思考・推論・創造する力	20	10	10	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	0	0	0	0	0	20	20

※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	第14週に実施する．試験時間は60分である．第1週から第13週までに行った内容すべてが出題範囲である．ニューラルネットワークの基本原理，および勾配降下法，誤差逆伝搬法，畳み込みニューラルネットワークの考え方やアルゴリズムに関する問題が出題される．アルゴリズムに関しては，MATLABプログラミングと関連させて理解力を問う．また，偏微分に関する簡単な計算力も問われる．
	②	レ
	③	レ
	④	レ
	⑤	レ
	⑥
クイズ小テスト	①		第7週に実施予定である．ニューラルネットワークの基本原理，勾配降下法，偏微分に関する基本的な理解力が問われる．また，種々の機械学習の特徴に関する問題も出題される．
	②	レ
	③
	④
	⑤
	⑥
レポート	①		レポートは2回実施される．第9週と第12週に課題を提示する予定である．提出はその翌週である．レポートの内容は，第9週が誤差逆伝搬法であり，第11週が畳み込みニューラルネットワークである．いずれもアルゴリズムの理解力をMATLABプログラミングと関連させて問われる．
	②	レ
	③	レ
	④	レ
	⑤	レ
	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	レ	出席状況，授業集中度，および授業中に提示する課題の提出状況で評価する．なお，私語など授業振興を妨げる行為を注意しても繰り返す場合は減点に評価することがある．
	②	レ
	③	レ
	④	レ
	⑤	レ
	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
ニューラルネットワークの基本原理と畳み込みニューラルネットワークの基本的な考え方を熟知しており，勾配降下法や誤差逆伝搬法のアルゴリズムを十分に理解できている．これらの知識を活用して，基本的なパターン認識の問題に関するプログラムを作成できる．	ニューラルネットワークの基本原理と畳み込みニューラルネットワークの基本的な考え方を知っており，勾配降下法や誤差逆伝搬法のアルゴリズムの概略を理解できている．テキストを参照すれば，簡単なパターン認識の問題に関するプログラムを理解できる．

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	オリエンテーション様々な機械学習	講義	復習：授業資料を復習する．	60
2	ニューラルネットワークの考え方(1) 　ニューロンの数学的表現，シグモイド関数	講義と演習	予習：教科書1.1〜1.4を読む．復習：授業資料を復習する．	60 60
3	ニューラルネットワークの考え方(2) 　ニューラルネットの仕組み，ベクトルと行列	講義と演習	予習：教科書1.5〜1.7を読む．復習：授業資料を復習する．	60 90
4	ニューラルネットワークの最適化(1) 　ニューラルネットの関係式	講義と演習	予習：教科書3.1〜3.4を読む．復習：授業資料を復習する．	60 90
5	ニューラルネットワークの最適化(2) 　回帰分析との比較，実例演習	講義と演習	予習：教科書2.12，3.5を読む．復習：授業資料を復習する．	60 90
6	数学的準備　微分，偏微分，勾配降下法	講義と演習	予習：教科書2.6〜2.10を読む．復習：授業資料を復習する．　　　小テストの準備をする．	60 120
7	誤差逆伝播法(1) 　勾配降下法の利用小テスト	講義と演習	予習：教科書2.10, 2.11, 4.1を読む．復習：授業資料を復習する．	60 90
8	誤差逆伝播法(2) 　ユニットの誤差	講義と演習	予習：教科書4.2，3を読む．復習：授業資料を復習する．	60 90
9	誤差逆伝播法(3) 　MATLABによる演習レポート1	講義と演習	予習：教科書4.1〜4.4を読む．復習：レポートを作成する．	60 120
10	畳み込みニューラルネットワーク(1) 　CNNの概要	講義と演習	予習：教科書5.1〜5.2を読む．復習：授業資料を復習する．	60 90
11	畳み込みニューラルネットワーク(2) 　CNNの関係式	講義と演習	予習：教科書5.3, 5.5を読む．復習：授業資料を復習する．	60 90
12	畳み込みニューラルネットワーク(3) 　MATLABによる演習レポート2	講義と演習	予習：教科書5.4を読む．復習：レポートを作成する．	60 120
13	総合演習 CNNと誤差逆伝播法	講義と演習	予習：教科書5.5, 5.6を読む．復習：授業資料を復習する．	60 90
14	発展的深層学習の紹介達成度確認試験	筆記試験	予習：第1週から第13週の学習内容を理解する．	180
15	達成度確認試験の解説と自己点検授業	解説	復習：達成祖確認試験の内容を理解する．	45