到達目標
1.人工知能の技術要素を説明することができる。
2.アルゴリズムの違いを理解し,出題された問題を解くのためのプログラムを作成することができる。
3.各種機械学習のアルゴリズムの違いを理解し,特徴を説明することができる。
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 | 人工知能の技術要素により解決すべき対象を分類し,最新の研究成果について自ら調べ,説明することができる。 | 授業において扱った人工知能の技術要素について理解し,特徴を説明することができる。 | 人工知能の技術要素について説明することができない。 |
評価項目2 | アルゴリズムの違いを理解し,出題された問題を解くのに最適なものを選択し,プログラムを作成することができる。 | 見たことのある問題に対して,授業で扱ったアルゴリズムを適用し,プログラムを作成することができる。 | 授業で扱ったアルゴリズムを用いて,プログラムを作成することができない。 |
評価項目3 | 各種機械学習のアルゴリズムの違いを理解し,出題された問題を解くのに最適なものを選択し,プログラムを作成することができる。 | 授業において扱った機械学習アルゴリズムの特徴を説明することができる。 | 授業において扱った機械学習アルゴリズムの特徴を説明することができない。 |
学科の到達目標項目との関係
学習・教育到達度目標 電気情報工学科の教育目標②
説明
閉じる
学習・教育到達度目標 本科の教育目標③
説明
閉じる
教育方法等
概要:
近年,人工知能の研究成果は身の回りで幅広く利用されている。例えば,インターネットにおける検索技術に見られる自然言語処理,デジタルカメラにおける顔認識に見られる画像処理技術さらにはロボットにおける自律的二足歩行動作に見られる動作制御処理等,広範囲に渡っている。この要因には,①従来型の処理手法では限界を迎えたことにより,新しいパラダイムが求められていたこと ②ハードウェアの処理能力の飛躍的な向上等がある。本科目では,人工知能の基礎となる要素技術について学習を進める。
授業の進め方・方法:
座学にて,教科書を中心にして人工知能の基礎となる要素技術について説明する。単に暗記だけ,実際に利用できるようにプログラミング言語のPython等を用いたプログラミングの演習も行う予定である。
注意点:
・総時間数90時間(自学自習60時間)
・自学自習時間(60時間)は,日常の授業(30時間)に対する予習復習,レポート課題の課題作成時間,試験のための学習時間を総合したものとする。
・評価については,合計点数が60点以上で単位修得となる。その場合,各到達目標項目の到達レベルが標準以上であること,教育プログラムの学習・教育到達目標の各項目をみたしたことが認められる。
・授業,教科書や参考書で扱っている演習問題等を積極的に自分の力で解くようにすること。また,教科書の内容だけではなく,インターネットや学術書等を活用し,最新の研究動向にも関心を持って学習を進めて欲しい。
・「サイバーセキュリティ人材育成事業(K-SEC)」により設置されたサイバーセキュリティ演習室の設備を使用する
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 |
後期 |
3rdQ |
1週 |
知識工学とは データサイエンス |
知識工学,特に人工知能の歴史について説明することができる。近年の研究対象分野について説明することができる。
|
2週 |
状態空間モデル 探索アルゴリズム |
問題解決における様々なモデル化の方法を説明することができる。 探索アルゴリズムを分類することができる。系統的探索手法を説明できる。
|
3週 |
データサイエンスのための数学①(線形代数・微分・固有値問題) |
データサイエンスに必要な基礎的な数学について理解することができる。
|
4週 |
データサイエンスのための数学②(確率・統計) 機械学習への導入 |
データサイエンスに必要な基礎的な数学について理解することができる。機械学習について説明できる。
|
5週 |
機械学習への導入~発展~ |
機械学習の応用について説明できる。
|
6週 |
演習① |
これまでに学んだ知識を用いた演習問題を解くことができる。
|
7週 |
演習② 次週、中間試験を実施する。 |
これまでに学んだ知識を用いた演習問題を解くことができる。
|
8週 |
中間試験 |
学んだ知識の確認ができる。
|
4thQ |
9週 |
試験返却と演習 知識表現 |
学んだ知識の再確認と修正ができる。 意味ネットワークの特徴を説明できる。意味ネットワークとオントロジーの違いを説明できる。
|
10週 |
機械学習「教師なし学習」 |
機械学習の手法のひとつである「教師なし学習」について説明することができる。
|
11週 |
機械学習「教師あり学習」 |
機械学習の手法のひとつである「教師あり学習」について説明することができる。
|
12週 |
ニューラルネットワーク 深層学習 |
ニューラルネットワークの仕組みについて説明することができる。深層学習のアルゴリズムについて説明することができる。
|
13週 |
演習③ |
プログラミング言語「Python」を用いた機械学習に関する演習を実施することができる。
|
14週 |
演習④ |
プログラミング言語「Python」を用いた機械学習に関する演習を実施することができる。
|
15週 |
期末試験 |
学んだ知識の確認ができる。
|
16週 |
試験答案返却と解説 |
学んだ知識の再確認と修正ができる。
|
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 | レポート | 合計 |
総合評価割合 | 60 | 40 | 100 |
基礎的能力 | 0 | 0 | 0 |
専門的能力 | 60 | 35 | 95 |
分野横断的能力 | 0 | 5 | 5 |