戻る
シラバスコード S-B231N21-01 ナンバリング Ia306Ibh
科目名 人工知能実習
科目名英文 Artificial Intelligence Practice
学部 情報学部 授業形態 実習
学科・科目区分 情報学科 教職科目対応  ―
科目分野 数理・データサイエンス 実践的教育対応  ―
配当年次 3年次 学期 後学期
必選区分 選択 単位数 2 単位
担当教員 二宮洋
アクティブラーニング 課題解決型学習、プロジェクト型学習、実習
科目の位置づけと目的
本科目はディプロマポリシーに記載のプログラミングをベースとしたデータサイエンスや人工知能の知見を身につけ,情報学に関する諸課題の解決に応用することができることを目指す科目である.本実習は人工知能を修得してきたことを前提に,実習を通して人工知能に関する課題解決能力を養う.
授業の進め方
人工知能の概念と現在までの技術的な流れについて解説し,応用事例を参考に,具体的に人工知能で解決可能な課題に関して実習を通して検討する.次に,人工知能を実装可能なGUIツールを用いて画像分類問題に取り組み,実習を通して人工知能での画像分類問題に関して理解する.また,人工知能の実装で用いられるPython言語とそのフレームワークを用いた人工知能の実装方法を理解し,そのプログラミングスキルを習得する.さらに,人工知能における問題表現と解の探索の考え方を理解し,フレームワークを使うことなく,ディープラーニングをPythonで実現可能なスキルを身につける.
課題(試験やレポート等)に対するフィードバックの方法
Moodle経由でフィードバックを行う
履修の条件
人工知能の単位取得を履修の前提条件とする。
教科書
資料を配布する
参考書
特になし
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
人工知能の概念と現在までの技術的な流れについて理解している(b) 人工知能技術に関して理解している 人工知能技術を用いた応用を理解している
Python 言語を用いた基本的なプログラミング技能を獲得している(b・h) 人工知能技術に関して基本的なプログラミング技術を習得している 人工知能技術に関してプログラミング技術を用いて応用事例を実装することができる
人工知能における基盤技術である人工ニューラルネットワークについて理解している(b) 人工ニューラルネットワークをプログラムで表現することができる 人工ニューラルネットワークを用いた応用を実装することができる
ディープラーニング(深層学習)を理解し活用方法を理解している(b・h) ディープラーニングの導出過程を理解しプログラムで表現できる ディープラーニングを用いた応用に関して実装することができる
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 10 20 30 20 20
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
h:技術・活用 10 10 20 50 10
全体の評価割合 10 15 25 35 0 15
授業計画
回数 学修内容 予習・復習内容 時間
ガイダンスおよび概論 復習1 人工知能に関する調査 1
ニューロンとニューラルネットワーク その1 復習2 課題による復習 1
ニューロンとニューラルネットワーク その2 予習3 人工ニューラルネットワークの調査 1
復習3 課題による復習 1
ツールを使ってAIを実現してみよう 予習4 機械学習の調査 1
復習4 課題による復習 1
フレームワークを使ったAI 予習5 GoogleColaboratoryの使い方の予習 1
復習5 課題プログラムによる復習 1
最適化と学習アルゴリズム その1
~最急降下法~
予習6 Python 言語に関する自習 1
復習6 演習レポートの作成 1
最適化と学習アルゴリズム その2
~偏微分とこう配ベクトル~
予習7 Python 言語に関する自習 1
復習7 課題プログラムによる復習 1
最適化と学習アルゴリズム その3
~パーセプトロン~
予習8 Python 言語に関する自習 1
復習8 課題プログラムによる復習 1
最適化と学習アルゴリズム その4
~パーセプトロンの学習~
予習9 Python 言語に関する自習 1
復習9 課題プログラムによる復習 1
10 最適化と学習アルゴリズム その5
~パーセプトロンの限界~
予習10 Python 言語に関する自習 1
復習10 課題プログラムによる復習 1
11 ディープラーニングへ その1
~階層型ニューラルネットワーク~
予習11 課題プログラムによる復習 1
復習11 演習レポートの作成 1
12 ディープラーニングへ その2
~階層型ニューラルネットワークと学習~
予習12 課題プログラムによる復習 1
復習12 演習レポートの作成 1
13 ディープラーニングへ その3
~階層型ニューラルネットワークと誤差逆伝播法~
予習13 課題プログラムによる復習 1
復習13 演習レポートの作成 1
14 ディープラーニングへ その4
~階層型ニューラルネットワークとディープラーニング~
予習14 課題プログラムによる復習 1
復習14 第14回の復習 1
15 ディープラーニングへ その5
~誤差逆伝播法の一般化~
予習15 課題プログラムによる復習 1
復習15 レポートの作成準備 1
16 まとめと振り返り 予習16 振り返り 1
復習16 全体の復習 1
主担当教員のオフィスアワー
木曜日 5コマ 1408-2室(二宮研究室)

連絡先E-mail: ninomiya(at)info.shonan-it.ac.jp 注:(at)を@に置き換えること.
※メールでの問い合わせの際は,必ずG-mailアドレス(大学アカウント)から発信してください.なを、件名に授業名を明記し,本文の最初に学籍番号と氏名を書いてください

シラバス検索トップ