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 |