人工知能

科目基礎情報

学校	北九州工業高等専門学校	開講年度	令和06年度 (2024年度)
授業科目	人工知能
科目番号	0165	科目区分	専門 / 選択
授業形態		単位の種別と単位数	履修単位: 1
開設学科	生産デザイン工学科（情報システムコース）	対象学年	5
開設期	後期	週時間数	2
教科書/教材	「人工知能入門 －初歩からGPT/画像生成AIまで－」豊田秀樹（編著）
担当教員	吉元 裕真

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

アクティブラーニング

ICT 利用

実務経験のある教員による授業

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

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