到達目標
機械学習だけでなく,これまでの人工知能に関する歴史や技術の変化など基本的な知識の習得を目標とする.
幅広い人工知能技術について,実際のプログラムを実行・改変し,処理の流れや手法についての理解を目標とする.
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 人工知能に関する知識 | 基本的な人工知能に関する用語や知識を詳細に説明できる. | 基本的な人工知能に関する用語や知識を簡単に説明できる. | 基本的な人工知能に関する用語や知識を簡単に説明できない. |
評価項目2 人工知能技術を利用したプログラミング | サンプルコード以外にも独自の機能を追加できる. | サンプルコードを読み解き,必要に応じて変更できる. | サンプルコードが理解できず,必要に応じたコードの変更ができない. |
学科の到達目標項目との関係
教育方法等
概要:
機械学習特に深層学習が身近な技術として広がっているが,それ以外の人工知能技術を知っておくことは重要である.
本講義では,人工知能全般に関する知識を深めると共に,様々な機械学習の手法についてプログラミング演習を通して理解することを目標とする.
後半では,画像を対象とした深層学習の応用について実際にプログラムを動作させることで,より理解を深める.
授業の進め方・方法:
授業では,スライドやサンプルプログラム等を使用した説明及びプログラミング演習を中心とし,毎回レポート課題を出題する.
注意点:
本講義は,『学修単位』である.従って家庭での自学自習が必要となることに特に注意すること.
①事前学習として予め与えられたキーワードや用語について予習を行うこと.
②事後学習としてレポート課題を提出すること.
Pythonを使用したプログラミング演習を行うので,3年の情報処理Ⅱの授業で学んだことを復習しておくと良い.
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 |
人工知能の歴史と技術の変化① |
人工知能の歴史や技術について知っている.D2:1,3, D4:1
|
2週 |
人工知能の歴史と技術の変化② |
機械学習以前の技術に関するプログラムが理解できる.D2:1,3, D4:1
|
3週 |
教師あり学習① |
教師あり学習について基本的な考え方が理解できる.D2:1,3
|
4週 |
教師あり学習② |
教師あり学習についてプログラムの動作や流れを理解できる.D2:1,3
|
5週 |
教師なし学習① |
教師なし学習について基本的な考え方が理解できる.D2:1,3
|
6週 |
教師なし学習② |
教師なし学習についてプログラムの動作や流れを理解できる.D2:1,3
|
7週 |
強化学習 |
強化学習について基本的な考え方が理解できる.D2:1,3
|
8週 |
後期中間試験 |
|
4thQ |
9週 |
深層学習① |
深層学習で必要な語句や知識を理解できる.D2:1,3
|
10週 |
深層学習② |
深層学習で重要な考え方や手法を知り,簡単に説明できる.D2:1,3
|
11週 |
画像分類① |
画像分類について,基本的な説明ができる.D2:1,3
|
12週 |
画像分類② |
画像分類について,プログラムが理解できる.D2:1,3
|
13週 |
画像認識① |
画像認識について,基本的な説明ができる.D2:1,3
|
14週 |
画像認識② |
画像認識について,プログラムが理解できる.D2:1,3
|
15週 |
画像生成 |
深層学習の応用として,画像の生成に関する知識を持っている.D2:1,3
|
16週 |
後期末試験 |
|
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
| 定期試験 | レポート課題等 | 合計 |
総合評価割合 | 50 | 50 | 100 |
基礎的能力 | 25 | 25 | 50 |
専門的能力 | 25 | 25 | 50 |
分野横断的能力 | 0 | 0 | 0 |