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 |