到達目標
1) パターン認識の基礎的な手法の種類と性質と原理を説明できる。
2)探索手法の基礎的な手法の種類と性質と原理を説明できる。
3)自然言語処理や推論の基礎的な手法の原理を説明できる。
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 (到達目標1) | パターン認識に関する手法の原理と特徴を説明できる。 | パターン認識に関する手法の原理を説明できる。 | パターン認識に関する手法の原理を説明できない。 |
評価項目2(到達目標2) | 探索手法の原理と特徴を説明できる。 | 探索手法の原理を説明できる。 | 探索手法の原理を説明できない。 |
評価項目3(到達目標3) | 言語処理の初歩的な手法について原理と特徴を説明できる。 | 言語処理の初歩的な手法について原理を説明できる。 | 言語処理の初歩的な手法について原理を説明できない。 |
学科の到達目標項目との関係
教育方法等
概要:
人間の知的な判断活動を計算機により再現する手法について学ぶ。
授業の進め方・方法:
この科目は学修単位科目のため、事前・事後学習としてレポートやオンラインテスト等を実施する。
予備知識:計算機の基礎的な命令によって、すぐ出来る事と出来ない事の区別がついている事が望ましい。
講義室:5S教室
授業形式:講義
学生が用意するもの:特になし
注意点:
評価方法:中間テスト、後期定期テスト(2回)で評価し60点以上を合格とする。
自己学習の指針:随所でコンピュータの立場に立ってみながらの思索を試みると良い。
オフィスアワー:なし
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
概要説明 |
人工知能技術の俯瞰的な概要を説明できる。
|
2週 |
パターン認識 |
計算機により認識するパターンおよびその特性について説明できる。
|
3週 |
機械学習 |
機械学習の分類およびk-NN法について説明できる。
|
4週 |
教師あり学習 |
教師あり学習に使われるデータの種類やパーセプトロンの原理について説明できる。
|
5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原理を説明できる。
|
6週 |
強化学習の基礎 |
マルコフ過程の基礎的な構成要素を列挙できる。
|
7週 |
強化学習 |
強化学習の原理が説明できる。
|
8週 |
中間試験 |
人工知能に関する基礎知識を身につけている。
|
4thQ |
9週 |
探索の基礎 |
探索手法の基礎的な目的やアイデアを説明できる。
|
10週 |
探索 |
コスト関数やヒューリスティック関数を用いた探索手法の原理を説明できる。
|
11週 |
MiniMax探索 |
競合するエージェントがいる場合の探索手法の原理を説明できる。
|
12週 |
自然言語処理の基礎 |
自然言語処理の基礎技術について説明できる。
|
13週 |
述語論理 |
記号による論理表現について説明できる。
|
14週 |
推論 |
述語論理の導出により命題の真偽を証明する計算機の手法について説明できる。
|
15週 |
研究における人工知能応用事例 |
学術研究の場における人工知能技術の研究成果を例示できる。
|
16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 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |