人工知能Ⅱ

科目基礎情報

学校	香川高等専門学校	開講年度	令和06年度 (2024年度)
授業科目	人工知能Ⅱ
科目番号	4146	科目区分	専門 / 選択
授業形態	授業	単位の種別と単位数	学修単位: 2
開設学科	情報工学科（2019年度以降入学者）	対象学年	5
開設期	後期	週時間数	後期:2
教科書/教材	教科書：奥村学　著　「自然言語処理の基礎」コロナ社
担当教員	篠山 学

到達目標

人工知能による自然言語処理の基礎的な内容を理解する。また，自然言語処理の基本的なツールを利用できるようになる。さらに，機械学習や深層学習の代表的な手法や評価手法を利用できるようになる。

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	人工知能や自然言語処理に必要な技術や理論を理解し、目的に応じてメリットデメリットを説明できる。	人工知能や自然言語処理に必要な技術や理論を理解している。	人工知能や自然言語処理に必要な技術や理論をほとんど説明できない。
評価項目2
評価項目3

教育方法等

概要:

人工知能による自然言語処理の基礎的な内容を理解する。また，自然言語処理の基本的なツールを利用できるようになる。さらに，機械学習や深層学習の代表的な手法や評価手法を利用できるようになる。

授業の進め方・方法:

人工知能の仕組みや形態素解析，構文解析，情報検索，機械翻訳などの自然言語処理を学習する。各技術の理論を説明し、確認のための問題を解く。理論の次にGoogle Colaboratoryを使用した実践を行う。具体的には、自然言語処理ツールや機械学習、深層学習とその評価手法のプログラミングを行う。使用言語はpythonとなる。pythonの基本的な文法は説明しないので，履修する場合は事前に勉強しておくこと。
この科目は学修単位のため，授業外学習として，授業内容についてのレポート課題を課します。

注意点:

オフィスアワー木曜日7,8限目

授業計画

		週	授業内容	週ごとの到達目標
後期
	3rdQ
		1週	ニューラルネットワークとCBOW	ニューラルネットワークを用いたCBOWモデルの解説を通して、ニューラルネットワークやCBOWモデルについて理解できる。D2:1-3
		2週	ニューラルネットワークとCBOW(順伝播、逆伝播、連鎖率)	ニューラルネットワークの順伝播、逆伝播、連鎖率について理解できる。D2:1-3
		3週	CBOWの実装とSimpleCBOWクラス	CBOWモデルをpythonにより実装し、ニューラルネットワークの学習の流れについて理解できる。D2:1-3
		4週	形態素解析	形態素解析について、基本的・基礎的な知識と仕組みを習得させる。D2:1-3
		5週	形態素解析 コーパスとn-gram	自然言語処理ツールとして公開されているMeCab, word2vecなどのツールを利用できる。D2:1-3 コーパスと言語モデルであるn-gramについて理解できる。D2:1-3
		6週	構文解析	トップダウン法を使って構文解析ができる。D2:1-3 CKY法を使って構文解析ができる。D2:1-3
		7週	構文解析	構文解析ツールCaboChaやトークナイザSentencepiecesなどのツールを利用できる。D2:1-3
		8週	意味解析	選択制限について理解できる。D2:1-3 word2vec(Skip-gram、CBOW)を利用した選択制限が理解できる。
	4thQ
		9週	[後期中間試験]
		10週	試験問題の解答 機械学習(LightGBM、ランダムフォレスト)	代表的な機械学習の仕組みを理解できる。D2:1-3
		11週	情報検索 情報検索の手法	情報検索や質問応答について，基本的・基礎的な知識と仕組みを習得させる。D2:1-3 TF・IDF法を理解し、実際に重みを計算できる。D2:1-3 転置インデックス法やベクトル空間モデルを使って情報検索できる。D2:1-3
		12週	情報検索の評価(再現率、適合率、F値、混同行列) 機械学習	情報検索の評価について，基本的・基礎的な知識と仕組みを習得させる。D2:1-3
		13週	機械翻訳の評価	生成文の評価にも用いられる機械翻訳システムの評価について人手評価と自動評価について学ぶ。D2:1-3 自動評価の指標(BLEU, WER)と計算方法について学ぶ。D2:1-3
		14週	機械翻訳の評価	自動評価の指標と計算方法の演習を行う。D2:1-3
		15週	テキストマイニング	テキストマイニングに必要なpandasや正規表現、スクレイピングについて実際にプログラムしながら学ぶ。D2:1-3
		16週	[後期期末試験]

評価割合

	試験	課題提出	合計
総合評価割合	70	30	100
基礎的能力	35	15	50
専門的能力	35	15	50