到達目標
1. AIの基礎技術に関して説明ができる
2. AI技術を自身の専門領域で活用できる
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 | 代表的なAI基礎技術について十分に説明ができる． | 代表的なAI基礎技術ついて説明ができる． | 代表的なAI基礎技術について説明できない． |
| 評価項目2 | AI基礎技術について自身の専門領域で十分に活用できる． | AI基礎技術について自身の専門領域で活用できる． | AI基礎技術について自身の専門領域で活用できない． |
学科の到達目標項目との関係
教育方法等
概要:
AI技術に関する基礎知識を有するとともに，自身の専門領域で利活用できる人材のニーズが高まっている．本科目では，全学科・学年を履修対象とし，AI基礎技術に関する知識の習得と，受講者の専門領域に応じたAI技術の利活用に関する演習を行う．
授業の進め方・方法:
各種の基本技術に関して学習後，パソコンおよび MATLAB を利用した演習を行う．応用演習では，AIに入力するためのデータを自身で検討・収集し，演習を行う．
夏季休業中に4日間で開講予定とし，評価は８週までの基礎知識に関する習得度チェックテストと，9週～12週の内容を踏まえて行う応用演習の発表点（学生間相互評価+教員評価）と提出されたポートフォリオで評価する．
注意点:
全学科・全学年を対象とした開講である為，プログラミング経験やスキルなど，特定の学科・学年に偏ったスキルは要求しない．講義の中では，MATLABを使った体験学習を根本とし，複雑なプログラミングは行わない．ただし，配布するサンプルプログラムの一部を変更したり，ファイル操作などのパソコン操作ができることを受講条件とする．
遠方へ帰省する者が受講を希望する場合，Office365のweb会議機能（Teams）を利用した受講を許可する．ただし，遠隔授業に耐えうるパソコンスペックおよび通信環境を有し，受講前に申請して許可を得ることを条件とする．
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
学習内容に関する概説
学習ツールに関する説明 |
MATALBの基本操作ができる．
|
| 2週 |
AIの定義と活用事例
機械学習の種類と特徴
[Chapter1 機械学習とは] |
AIの定義，AIの導入事例を説明できる．
機械学習の種類と，過学習などの用語について説明できる．
|
| 3週 |
回帰・クラス分類 |
単回帰分析やクラス分類の説明ができる．
ソフトウェアで分析・分類ができる．
|
| 4週 |
クラスタリング・情報圧縮 |
クラスタリングや情報圧縮の説明ができる．
ソフトウェアでクラスタリングと情報圧縮ができる．
|
| 5週 |
ニューラルネットワーク
[Chapter2 ディープラーニングのしくみ] |
ニューラルネットワークの構造やパラメータ調整の仕組みと，使われ方について説明できる．
|
| 6週 |
ディープニューラルネットワーク／ディープラーニング |
ディープラーニングの自動特徴抽出性能など，機械学習との違いについて説明できる．
|
| 7週 |
畳み込みニューラルネットワークに関する事前学習
～ 画像データと画像処理の基本 ～ |
画像データの構成と基本的な画像処理の流れについて説明できる．
|
| 8週 |
畳み込みニューラルネットワーク（CNN） |
畳み込みニューラルネットワークの構造，畳み込み処理やプーリング処理などの用語について説明できる．
|
| 2ndQ |
| 9週 |
事前学習済みCNNと活用1
～ ネットワークの状態を知る ～
[Chapter3 AIアプリケーションの開発方法] |
AlexNetやGoogLeNetの構造や特徴について説明できる．MATLABの各種機能を用いて，途中の層の状態を確認することができる．
|
| 10週 |
事前学習済みCNNと活用2
～ 特徴量の利用方法を知る ～
|
AlexNetやGoogLeNetなどの事前学習済みCNNと画像データを利用し，製品の不良判別や登録外人物の判別などができる．
|
| 11週 |
事前学習済みCNNと活用3
～ 転移学習 ～ |
AlexNetやGoogLeNetに対して転移学習を行い，登録者判別（クラス分類）が行える．
|
| 12週 |
その他のAI技術について
～ 自然言語処理・生成モデル～ |
自然言語処理やGANによる画像生成などについて説明できる．
|
| 13週 |
応用演習 |
8～12週で学習したエッセンスと，自分で準備したデータを利用し，自身の専門領域に関する応用展開を考え，実践することができる．
|
| 14週 |
発表会準備 |
パワーポイントなどを用いて，AI技術に関して応用演習を行った目的・手順・結果をまとめることができる．
|
| 15週 |
発表会 |
パワーポイントなどを用いて，AI技術の応用結果について発表することができる．
|
| 16週 |
まとめ
[Chapter4 AI技術とビジネス] |
Chapter3・4を参考にAI技術の展開と動向についてまとめることができる．
|
| 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 |
|
|
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 | 30 | 40 | 10 | 0 | 20 | 0 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 30 | 20 | 5 | 0 | 0 | 0 | 55 |
| 分野横断的能力 | 0 | 20 | 5 | 0 | 20 | 0 | 45 |