到達目標
1. AIの基礎技術に関して数学的技術の観点から説明ができる
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 | 代表的なAI基礎技術について理論的な観点から十分に説明ができる | 代表的なAI基礎技術ついて理論的な観点から説明ができる | 代表的なAI基礎技術について理論的な観点から説明できない。 |
学科の到達目標項目との関係
教育方法等
概要:
本科目は、集中講義『AI基礎技術演習』のアドバンストコースの位置づけとして、『AI基礎技術演習』で体験的に学習した各種AI技術の数学的理論、および、各種ハイパーパラメータの影響を考察できるようになることを目的とする。履修対象は、全学科・学年とする。AI技術の中における数学の使われ方を学び、通常の数学授業に対する学習モチベーションのアップを期待する。
授業の進め方・方法:
指定した教科書（教材）を使いながら講義形式にて学習後、パソコンおよび MATLAB ／Simulinkを利用した演習を行う。夏季休業中に開講予定とし、評価は講義中に提示する演習課題と習熟度テストで評価する。
注意点:
全学科・全学年を対象とした開講である為、特定の学科・学年に偏ったスキルは要求しないが、数学に関する抵抗が無い学生の受講を歓迎する。講義の中では、MATLAB／Simulinkを使ったテキストプログラミングおよびブロックプログラミング（ビジュアルプログラミング）を実施する。体験学習を根本として複雑なプログラミングは行わないが、テキストや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（MATLAB／Simulinkが問題なく動作するスペック）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。なお、TAが確保できない場合には受講人数を限定したり、場合によっては開講しない場合がある。
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 |
| 前期 |
| 1stQ |
| 1週 |
学習内容に関する概説
イントロダクション
|
授業の理解に必要な用語の修得
|
| 2週 |
神経細胞の数学的モデル化
（ニューロンのモデル化） |
Simulinkで単一ニューロンモデルを作成し、
ニューロンモデルの「分類能力」に関する
シミュレーションと説明ができる。
|
| 3週 |
ニューロンの学習とは |
所望する「分類能力」を得るための「学習」とはどういうことかについて、説明ができる。
|
| 4週 |
2層のニューラルネットワークが持つ分類能力
シグモイド関数の重要な役割について |
多層のニューロンモデルが有する「分類能力」について説明できる。
シグモイド関数の重要性について説明できる。
|
| 5週 |
AI技術数学①
～ ベクトル ～ |
ベクトルの加算と減算ができる。
ベクトルの内積・外積が計算できる。
ベクトル計算の恩恵について説明できる。
|
| 6週 |
AI技術数学②
～ 行列 ～ |
行列計算ができる。
コンピュータグラフィクスと行列計算の関係について説明できる。
|
| 7週 |
AI技術数学③
～ 常微分／偏微分／全微分の基礎 ～ |
各種微分の基本的な計算ができる。
各種微分の計算の目的が説明できる。
|
| 8週 |
AI技術数学に関する演習
習熟度確認（１） |
AI技術数学①～③の理解を深める数学的問題が解ける。
|
| 2ndQ |
| 9週 |
ニューラルネットワークが予測を行うしくみ（１） |
全結合層、バックプロパゲーション、ソフトマックス関数について説明ができる。
|
| 10週 |
ニューラルネットワークが予測を行うしくみ（２） |
損失関数、勾配降下法について説明できる。
|
| 11週 |
全結合層の実装 |
MATLABを用いて全結合層の学習を行い、ニューロン数の違いによる学習の違いについて考察することができる。
|
| 12週 |
習熟度確認（２） |
CBTによる習熟度の確認を行い、学習エッセンスについて理解を深めることができる。
|
| 13週 |
CNNによる画像分類と転移学習 |
Alexnetを用いた転移学習を行うことができる。SGDMとAdamを使った転移学習の違いについて述べることができる。
|
| 14週 |
モーメンタムの概念を使った安定的な学習 |
SGDMとAdamについて数学的に説明することができる。
|
| 15週 |
畳み込みと画像特徴抽出 |
2次元フィルタと、CNNの学習の関係性について説明できる。
|
| 16週 |
まとめ |
学習内容をもとに、AIを数学的技術の観点から説明できる。
|
| 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 | 40 | 0 | 0 | 0 | 60 | 0 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 20 | 0 | 0 | 0 | 30 | 0 | 50 |
| 分野横断的能力 | 20 | 0 | 0 | 0 | 30 | 0 | 50 |