特別講義Ⅱ

近年目覚ましい発展を遂げる人工知能やデータサイエンスに関する技術について，正しく理解するとともに，プログラミング演習を通して深層学習モデルを実装できる能力を習得する。

	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	人工知能研究の歴史と最新動向を具体例を挙げながら説明できる。	人工知能研究の歴史と最新動向を説明できる。	人工知能研究の歴史と最新動向を説明できない。
評価項目2	教師あり学習，教師なし学習，強化学習について具体例を挙げながら違いを説明できる。	教師あり学習，教師なし学習，強化学習の違いを説明できる。	教師あり学習，教師なし学習，強化学習の違いを説明できない。
評価項目3	CNNを使った高性能な画像認識モデルを実装できる。	CNNを使った画像認識モデルを実装できる。	CNNを使った画像認識モデルを実装できない。

概要:

5日間の集中講義・AIサマースクール（AI講座）

授業の進め方・方法:

人工知能およびデータサイエンスに関する講義とそれらを実装するためのプログラミング演習を行う。遠隔授業を自宅または情報基盤センターで受講する。単位修得のためには講義中に出されるコンペへの課題提出とと最終課題（講義内容の説明など）を60点に相当する内容で提出する必要がある。

注意点:

アクティブラーニング	ICT 利用	遠隔授業対応	実務経験のある教員による授業

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	講座概要	本講座の進め方と目標を理解する。
		2週	人工知能概論	人工知能の歴史と現状について概要を理解する。
		3週	各種ライブラリを用いたデータ処理 (Numpy、Matplotlib、Pandas)	Pythonの各種ライブラリの基本的な使い方を知る。
		4週	教師あ学習、教師なし学習	教師あ学習、教師なし学習の概要を理解する
		5週	DS演習1（データの説明）、DS演習1＆質問時間（採点）	データサイエンスの基礎を理解し，演習課題に取り組める。
		6週	深層学習基礎・演習	深層学習基礎を理解し，演習課題に取り組める。
		7週	〃	〃
		8週	CNN基礎・演習	CNNの基礎を理解し，演習課題に取り組める。
	2ndQ
		9週	〃	〃
		10週	DL応⽤（画像認識）	画像認識の基礎を理解する。
		11週	画像認識のコンペ	画像認識のコンペに取り組める。
		12週	〃	〃
		13週	〃	〃
		14週	DL最前線2（強化学習イントロ・演習）	強化学習の基礎を理解し，演習課題に取り組める。
		15週	DL応⽤・最前線 (世界モデル)	DLの様々な先端的応用事例を認識できる。
		16週
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

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