到達目標
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 | | | |
| 評価項目2 | | | |
| 評価項目3 | | | |
学科の到達目標項目との関係
教育方法等
概要:
知能システムでは，多くの知能について様々な場面で用いられるようになった人工知能の基礎として，知能システムの基礎を理解し，知能を表現する方法，コンピュータが身に着ける方法等について学習し，実際に利用するための基本的な内容を学習する．
授業の進め方・方法:
学習上の留意点：
本講義では非常に多くの数式を扱うことになりますが、まず見た目に圧倒されないことが最も重要です。必要とされる数学的知識は限られており、見た目ほど難しいものではありません。与えられた演習問題を必ず自分で解いて、理解を深めて下さい。
注意点:
必要とされる予備知識：数学，プログラミング，グラフ理論
関連する科目：情報数学(本科)，アルゴリズムとデータ構造(本科)，オブジェクト指向プログラミング(本科)，オートマトン(本科)
「生産システム工学専攻」学習・教育到達目標の評価：試験(B-2)(50%)，課題(B-2)(50%)
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 |
| 後期 |
| 3rdQ |
| 1週 |
ガイダンス
人工知能の歴史と概要 |
学習の意義、進め方、評価方法の周知
人工知能の歴史を理解できる
|
| 2週 |
人工知能の歴史と概要 |
人工知能の概要を理解できる
エキスパートシステムの構造を理解できる
|
| 3週 |
探索による問題解決 |
様々な問題について解決法を探索できる
|
| 4週 |
探索による問題解決 |
グラフを用いた探索問題について定式化できる
|
| 5週 |
探索による問題解決 |
コストを考慮した探索法を用いて問題を解くことができる
|
| 6週 |
知識表現と推論の基礎 |
命題論理について論理式を記述できる
|
| 7週 |
知識表現と推論の基礎 |
記述論理について論理式を記述できる
融合原理が理解できる
|
| 8週 |
各種演習 |
|
| 4thQ |
| 9週 |
知識表現と利用の応用技術 |
プロダクションシステムについて説明できる
プログラミング言語Prologが理解できる
|
| 10週 |
知識表現と利用の応用技術 |
意味ネットワークを記述できる
曖昧な知識の表現と推論について理解できる
|
| 11週 |
機械学習とデータマイニング |
機械学習の概要について理解できる
深層学習について理解できる
|
| 12週 |
機械学習とデータマイニング |
決定木学習について理解できる
|
| 13週 |
機械学習とデータマイニング |
データマイニングについて理解できる
|
| 14週 |
知識モデリングと知識流通 |
UMLによるモデリングが理解できる
|
| 15週 |
知識モデリングと知識流通 |
XMLによる知識表現が理解できる
|
| 16週 |
期末試験 |
|
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 | 課題 | 合計 |
| 総合評価割合 | 50 | 50 | 100 |
| 基礎的能力 | 0 | 0 | 0 |
| 専門的能力 | 50 | 50 | 100 |
| 分野横断的能力 | 0 | 0 | 0 |