到達目標
1. AIの基礎技術に関して説明ができる
2. AI技術を自身の専門領域で活用できる
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 評価項目1 | 代表的なAI基礎技術について理論的な観点から十分に説明ができる | 代表的なAI基礎技術ついて理論的な観点から説明ができる | 代表的なAI基礎技術について理論的な観点から説明できない。 |
| 評価項目2 | AI基礎技術について自身の専門領域で十分に活用できる． | AI基礎技術について自身の専門領域で活用できる． | AI基礎技術について自身の専門領域で活用できない． |
学科の到達目標項目との関係
教育方法等
概要:
AI技術に関する基礎知識を有するとともに，自身の専門領域で利活用できる人材のニーズが高まっている．本科目では，全学科・学年を履修対象とし，AI基礎技術に関する知識の習得と，受講者の専門領域に応じたAI技術の利活用に関する演習を行う．
授業の進め方・方法:
各種の基本技術に関して学習後，パソコンおよび MATLAB を利用した演習を行う．応用演習では，AIに入力するためのデータを自身で検討・収集し，演習を行う． 夏季休業中に4日間で開講予定とし，基礎知識に関する習得度チェックテストと，応用演習の発表点（学生間相互評価+教員評価）と提出されたポートフォリオで評価する．
注意点:
学科・全学年を対象とした開講である為，プログラミング経験やスキルなど，特定の学科・学年に偏ったスキルは要求しない．講義の中では，MATLABを使った体験学習を根本とし，複雑なプログラミングは行わない．ただし，配布するサンプルプログラムの一部を変更したり，ファイル操作などのパソコン操作ができることを受講条件とする． 遠方へ帰省する者が受講を希望する場合，Office365のweb会議機能（Teams）を利用した受講を許可する．ただし，遠隔授業に耐えうるパソコンスペックおよび通信環境を有し，受講前に申請して許可を得ることを条件とする．
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
学習内容に関する概説
学習ツールに関する説明 |
MATALBの基本操作ができる．
|
| 2週 |
AIの定義と活用事例
機械学習の種類と特徴 |
AIの定義，AIの導入事例を説明できる．
機械学習の種類と，過学習などの用語について説明できる．
|
| 3週 |
AIの推論能力と着目箇所 |
AIの推論能力について説明できる．
LIME技術などを用いて、AIが写真のどこに着目して推論（分類）しているか論じることができる．
|
| 4週 |
ニューラルネットワーク |
ニューラルネットワークの構造やパラメータ調整の仕組みと，活用例について説明できる．
|
| 5週 |
画像データと画像処理
～畳み込みニューラルネットワークに関する事前学習 ～ |
画像データの構成と，基本的な画像処理手法とその便利性について説明できる．
|
| 6週 |
畳み込みニューラルネットワーク（CNN） |
畳み込みニューラルネットワークの構造，畳み込み処理やプーリング処理などの用語について説明できる．
|
| 7週 |
事前学習済みCNNと活用1
～ 転移学習 ～ |
AlexNetやGoogLeNetの構造や特徴について説明できる．MATLABの各種機能を用いて，途中の層の状態を確認することができる．
|
| 8週 |
事前学習済みCNNと活用2
～ 特徴抽出器としての利用 ～ |
AlexNetやGoogLeNetなどの事前学習済みCNNと画像データを利用し，製品の不良判別や登録外人物の判別などができる．
|
| 2ndQ |
| 9週 |
物体検出器 |
R-CNNなどの物体検出器を自分用に改変・利用することができる．
|
| 10週 |
教師なし学習1 ～ 階層クラスタリング ～ |
教師なし学習に分類されるクラスタリングや情報圧縮の説明ができる．ソフトウェアでクラスタリングと情報圧縮ができる．
|
| 11週 |
教師なし学習2 ～ 主成分分析 ～ |
〃
|
| 12週 |
習熟度チェック・応用演習 |
11週までに学習した各種技術と，自分で収集したデータを利用し，自身の専門領域に関する応用展開を考え，実践することができる．パワーポイントなどを用いて，AI技術に関して応用演習を行った目的・手順・結果をまとめることができる．
|
| 13週 |
発表会 |
パワーポイントなどを用い，AI技術の応用結果について発表することができる．
|
| 14週 |
発表会 |
〃
|
| 15週 |
エンジニアによる講話 |
企業の現場で使われているAI技術について説明することができる．
|
| 16週 |
まとめ |
AI技術の展開と動向についてまとめることができる．
|
| 後期 |
| 3rdQ |
| 1週 |
|
|
| 2週 |
|
|
| 3週 |
|
|
| 4週 |
|
|
| 5週 |
|
|
| 6週 |
|
|
| 7週 |
|
|
| 8週 |
|
|
| 4thQ |
| 9週 |
|
|
| 10週 |
|
|
| 11週 |
|
|
| 12週 |
|
|
| 13週 |
|
|
| 14週 |
|
|
| 15週 |
|
|
| 16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 30 | 40 | 10 | 20 | 0 | 0 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 30 | 20 | 5 | 0 | 0 | 0 | 55 |
| 分野横断的能力 | 0 | 20 | 5 | 20 | 0 | 0 | 45 |