人工知能

科目基本情報

シラバスコード	S-173R07-01	ナンバリング	Ie304Ibg
科目名	人工知能
科目名英文	Artificial Intelligence
学部	工学部	授業形態	講義
学科・科目区分	情報工学科	教職科目対応	工業（高）
科目分野	専門発展	実践的教育対応	―
配当年次	3年次	学期	前学期
必選区分	選択	単位数	2 単位
担当教員	福田太志
アクティブラーニング	ICTの活用、実習

科目の位置づけと目的

人工知能（AI）は，コンピュータに「知的」なふるまいをさせることを目標とした技術分野である．この授業では，人工知能を用いて問題解決をするための考え方や基本知識，及び技術動向を理解することを目標とする．授業では，人工知能の概念と過去から現在までの技術的な流れについて説明する．また，機械学習，深層学習と古典的人工知能との違いに関して，応用事例を挙げながら解説し，概念的に理解する．

授業の進め方

　本授業では、人工知能（AI）の基礎を体系的に学び、関連する技術や応用事例について理解を深めることを目的とする。講義では、AIの基本概念や機械学習・深層学習の手法、それらを支える確率・統計や線形代数の基礎について解説する。
　AIの歴史や技術的背景を学び、理論的な基礎を固める。AIの活用事例を取り上げ、それぞれの技術が実際にどのように応用されているのかを詳しく説明する。また、技術的側面だけでなく、AIの社会的影響や倫理的課題についても扱い、幅広い視点から理解を深める。

課題（試験やレポート等）に対するフィードバックの方法

毎回Moodleを用いて課題を行う。
追加レポートに関しては評価を行った上でフィードバックコメントを残すので参照すること。

履修の条件

「ビジネスとデータサイエンス」の単位を取得していることが望ましい

教科書

『深層学習教科書ディープラーニング G検定（ジェネラリスト）公式テキスト第3版』　ISBN： 978-4798184814

参考書

『徹底攻略ディープラーニングG検定ジェネラリスト問題集第3版』　ISBN： 978-4295018988

到達目標

身に付ける力と対応する指標	単位修得に必要なレベル	目指すべきレベル
AIの基本概念が理解できる(b・g）	AIの定義や歴史、基本技術の流れを説明できる	AI技術の全体像を把握し、各技術の役割を理解できる
機械学習・深層学習の基礎が理解できる(b・g）	機械学習の代表的な手法とニューラルネットワークの構造を理解する	各手法の適用分野や特徴を説明できる
データサイエンスの基礎が理解できる(b・g）	確率・統計や線形代数の基本概念を理解する	AIのアルゴリズムが数学的にどのように構成されるかを説明できる
AIの応用事例が理解できる(b・g）	画像認識や自然言語処理など、AIの代表的な応用分野を説明できる	具体的な事例を通じて、技術の適用可能性を考えられる
AIの社会的影響と倫理が理解できる(b・g）	AIのバイアスやプライバシー問題を理解する	倫理的な視点を持ち、適切なAI活用について議論できる

指標と評価割合

		評価方法
		受講態度	授業中の活動	予習・復習	成果物・発表	試験	学修の振り返り
共通指標	a：受け取る力
	b：深める力	20	10	20		40	10
	c：進める力
	d：高める力
	e：伝える力
	f：つなげる力
固有指標	g：知識・理解	20	10	20		40	10
固有指標	h：技術・活用
全体の評価割合		20	10	20	0	40	10

授業計画

回数	学修内容	予習・復習内容		時間
１	・ガイダンス（授業の進め方・評価方法）・AIの概要	予習１	授業内容を良く確認しておくこと。	1
１	・ガイダンス（授業の進め方・評価方法）・AIの概要	復習１	受講方法や成績算出方法などを理解し学ぶべき事柄を整理しておくこと。	1
２	人工知能の基礎①（AIの定義・歴史・研究の流れ）	予習２	AIの定義・歴史をテキストで確認	2
２	人工知能の基礎①（AIの定義・歴史・研究の流れ）	復習２	AIの発展過程を整理し、現代AIの位置づけを理解	2
３	人工知能の基礎②（探索・推論・知識表現）	予習３	探索・推論の基本概念を確認	2
３	人工知能の基礎②（探索・推論・知識表現）	復習３	各手法の違いをまとめ、どのような問題に適用できるか考察	2
４	機械学習の基礎（教師あり学習・教師なし学習・強化学習・モデルの評価）	予習４	代表的な機械学習の種類を調べる	2
４	機械学習の基礎（教師あり学習・教師なし学習・強化学習・モデルの評価）	復習４	各学習手法の特徴を整理し、適用事例を考える	2
５	ディープラーニングの基礎①（ニューラルネットワークの仕組み・誤差逆伝播）	予習５	ニューラルネットワークの構造を確認	2
５	ディープラーニングの基礎①（ニューラルネットワークの仕組み・誤差逆伝播）	復習５	誤差逆伝播の流れを整理し、計算過程を理解	2
６	ディープラーニングの基礎②（ディープラーニングの要素技術・最適化手法）	予習６	活性化関数・最適化手法の概要を読む	2
６	ディープラーニングの基礎②（ディープラーニングの要素技術・最適化手法）	復習６	各技術の目的と効果を整理し、実際の活用例を調べる	2
７	ディープラーニングの基礎③（畳み込み・正規化・活性化関数）	予習７	畳み込み・正規化の概念を調べる	2
７	ディープラーニングの基礎③（畳み込み・正規化・活性化関数）	復習７	画像処理との関連を考え、どのように利用されるか理解	2
８	ディープラーニングの応用①（画像認識・CNN・物体認識）	予習８	CNNの仕組みを事前に調べる	2
８	ディープラーニングの応用①（画像認識・CNN・物体認識）	復習８	画像認識技術の実例を調査し、どのように応用されているか整理	2
９	ディープラーニングの応用②（音声処理・自然言語処理）	予習９	音声認識・NLPの基礎を確認	2
９	ディープラーニングの応用②（音声処理・自然言語処理）	復習９	代表的なNLPモデルの仕組みをまとめる	2
１０	ディープラーニングの応用③（深層強化学習・AlphaGo・応用事例）	予習１０	強化学習の基本概念を確認	2
１０	ディープラーニングの応用③（深層強化学習・AlphaGo・応用事例）	復習１０	AlphaGoの仕組みを整理し、強化学習の特徴を理解	2
１１	AIの最新動向①（基盤モデル・生成AI・最先端技術）	予習１１	最新のAI技術・基盤モデルを調べる	2
１１	AIの最新動向①（基盤モデル・生成AI・最先端技術）	復習１１	授業で扱った技術の最新研究や事例を探す	2
１２	AIの最新動向②（今後の課題・社会実装への影響）	予習１２	AIが社会に与える影響を考察	2
１２	AIの最新動向②（今後の課題・社会実装への影響）	復習１２	AI活用のメリット・リスクを整理	2
１３	AIの社会実装（AIの活用事例・業界別応用）	予習１３	AIの実際の導入事例を調査	2
１３	AIの社会実装（AIの活用事例・業界別応用）	復習１３	各業界での活用事例を比較し、特徴を整理	2
１４	AIの法律と倫理①（バイアス・公平性・プライバシー・法規制）	予習１４	AI倫理に関するニュースを調べる	2
１４	AIの法律と倫理①（バイアス・公平性・プライバシー・法規制）	復習１４	授業で扱った法規制や倫理問題を整理	2
１５	AIの法律と倫理②（説明可能性・責任・持続可能性）	予習１５	AIの説明可能性の必要性を考える	2
１５	AIの法律と倫理②（説明可能性・責任・持続可能性）	復習１５	AI規制の方向性をまとめ、今後の課題を整理	2
１６	定期試験	予習１６	授業全般を見直し定期試験に備えること	1
１６	定期試験	復習１６	定期試験の結果を自己採点し間違えた問題を中心に復習すること。	1

主担当教員のオフィスアワー

教室およびメールで受け付けます。

教室で直接質問をする際には事前にメール等でその旨を連絡しておいてください。
メールで質問する際は以下のアドレスに大学名、授業名、氏名、学籍番号を明示して連絡するようにしてください。
k13007@center.shonan-it.ac.jp

（備考）
メールを集約している関係上taishi@pczama.comから返信がある場合があるので見落とさないように気を付けてください。

シラバス検索トップ