到達目標
人工知能の様々な手法の概略を理解できる。
人工知能の5つの手法について例を用いて詳細に説明できる。
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 | 人知知能,機械学習の9つ手法について概略を説明できる。 | 人知知能,機械学習の5つ手法について概略を説明できる。 | 人知知能,機械学習の5つ手法について概略を説明きない。 |
評価項目2 | 人知知能,機械学習の5つ手法について例を用いて詳細な説明ができる。 | 人知知能,機械学習の3つ手法について例を用いて詳細な説明ができる。 | 人知知能,機械学習の3つ手法について例を用いて詳細な説明ができない。 |
学科の到達目標項目との関係
教育方法等
概要:
講義と調査レポートによって行う。
※実務経験との関連
この科目は企業で情報システム開発を担当していた教員が,その経験を活かし,人工知能について講義形式で授業を行うものである。
授業の進め方・方法:
教科書に従った講義を行った後,自ら調査しレポートをパワーポイントで作成する。
注意点:
特になし
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
ガイダンス,人工知能の歴史と今後 |
人工知能の歴史と今後の発展について説明できる。
|
2週 |
ルールベースの推論エンジン |
ルールベースの推論エンジンについて説明できる。決定木の分岐ルールの作成手法を例を用いて説明できる。
|
3週 |
ルールベースの推論エンジン |
ルールベースの推論エンジンについて説明できる。決定木の分岐ルールの作成手法を例を用いて説明できる。
|
4週 |
人工生命シミュレーション,ステート駆動エージェント
|
人工生命シミュレーション,ステート駆動エージェントについて説明できる。ゲーム理論の囚人ジレンマについて説明できる。
|
5週 |
回帰分析 |
回帰分析について説明できる。ロジスティック回帰の利用例とオッズ比を説明できる。
|
6週 |
グラフ探索,動的計画法。 |
グラフ探索について説明できる。動的計画法を例を用いて説明できる。
|
7週 |
グラフ探索,動的計画法。 |
グラフ探索について説明できる。動的計画法を例を用いて説明できる。
|
8週 |
遺伝的アルゴリズム,ニューラルネットワーク |
遺伝的アルゴリズム,ニューラルネットワークについて説明できる。誤差逆伝播法を例を用いて説明できる。
|
2ndQ |
9週 |
遺伝的アルゴリズム,ニューラルネットワーク |
遺伝的アルゴリズム,ニューラルネットワークについて説明できる。誤差逆伝播法を例を用いて説明できる。
|
10週 |
ベイズ推定,EMアルゴリズム,MCMC |
ベイズ推定,EMアルゴリズム,MCMCについて説明できる。EMアルゴリズムを詳しく説明できる。
|
11週 |
ベイズ推定,EMアルゴリズム,MCMC |
ベイズ推定,EMアルゴリズム,MCMCについて説明できる。EMアルゴリズムを詳しく説明できる。
|
12週 |
教師あり機械学習,教師なし機械学習 |
教師あり機械学習,教師なし機械学習について説明できる。
|
13週 |
アンサンブル学習,強化学習 |
アンサンブル学習,強化学習について説明できる。Q学習について例を用いて説明できる。
|
14週 |
アンサンブル学習,強化学習 |
アンサンブル学習,強化学習について説明できる。Q学習について例を用いて説明できる。
|
15週 |
深層学習 |
深層学習について説明できる。
|
16週 |
期末テスト |
|
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 | 40 | 0 | 0 | 0 | 60 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 40 | 0 | 0 | 0 | 60 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |