到達目標
1. 人工知能とは何であるか,その意義を含め理解する.
2. 第一次~第四次AIブームについて,その歴史的背景を理解する.
3. 深層学習ブーム以前の人工知能について理解する.
4. 深層学習について理解する.
5. 近年多くの場所で利用されるTransformerや,それを活用したGPT,画像生成AIについて理解する.
6. 人工知能を活用し,実用的なシステムを構築することができる.
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 | 人工知能とは何であるか、その意義を含め理解できる。 | 人工知能とは何であるか、理解できる。 | 人工知能とは何であるか、理解できていない。 |
評価項目2 | ディープニューラルネットワーク以前の人工知能について理解でき,その実装と活用ができる | ディープニューラルネットワーク以前の人工知能について理解ができる | ディープニューラルネットワーク以前の人工知能について理解ができない |
評価項目3 | ディープニューラルネットワークについて理解でき,その実装と活用ができる | ディープニューラルネットワークについて理解ができる | ディープニューラルネットワークについて理解ができない |
評価項目4 | Transformer機構を持つAIについて理解でき,その実装と活用ができる | Transformer機構を持つAIについて理解できる | Transformer機構を持つAIについて理解できない |
学科の到達目標項目との関係
JABEE SB② 自主的・継続的な学習を通じて、専門工学の基礎科目に関する問題を解決できる。
JABEE SC① 専門工学の実践に必要な知識を深め、実験や実習を通じて、問題解決の経験を積む。
JABEE SD① 専攻分野における専門工学の基礎に関する知識と基礎技術を総合し、応用できる。
教育方法等
概要:
本講義では人工知能の初歩から,第三次AIブームを支えたディープニューラルネットワーク,第四次AIブームが始まる契機になったTransformerを網羅的に学ぶ
授業の進め方・方法:
座学の講義とその演習を基本とし、適宜レポート提出を課す。
注意点:
事前の準備として、線形台数および確率についての知識を習得していることが望ましい。
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 |
ガイダンス・人工知能の歴史・Pythonを使ったデータ解析 |
・人工知能の歴史について理解することができる ・Pythonを用いてデータ解析をすることができる
|
2週 |
教師あり学習 |
・教師あり学習が理解できる ・決定木のアルゴリズムが理解できる
|
3週 |
教師なし学習 |
・教師なし学習が理解できる ・k-means法のアルゴリズムが理解できる
|
4週 |
ニューラルネットワークの基礎 |
・ニューラルネットワークの基礎が理解できる ・パーセプトロンが理解できる ・ディープニューラルネットワークが理解できる
|
5週 |
再起型ニューラルネットワーク |
再起型ニューラルネットワークが理解できる
|
6週 |
畳み込みニューラルネットワーク |
畳み込みニューラルネットワークが理解できる
|
7週 |
プロジェクト型実習 |
AIを用いたシステムが構築できる
|
8週 |
中間試験 |
|
4thQ |
9週 |
プロジェクト型実習 |
AIを用いたシステムが構築できる
|
10週 |
プロジェクト型実習 |
AIを用いたシステムが構築できる
|
11週 |
プロジェクト型実習 |
AIを用いたシステムが構築できる
|
12週 |
プロジェクト型実習/報告会 |
AIを用いたシステムが構築できる
|
13週 |
強化学習 |
・強化学習が理解できる
|
14週 |
GPT/Transformer |
・Transformerが理解できる ・Attention機構が理解できる
|
15週 |
画像生成AI |
・画像生成AIが理解できる
|
16週 |
定期試験 |
|
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
| 試験 | 課題 | プロジェクト型実習報告 | 合計 |
総合評価割合 | 30 | 30 | 40 | 100 |
専門的能力 | 30 | 30 | 40 | 100 |