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
学習・教育到達度目標 A-4
説明
閉じる
JABEE b
説明
閉じる
JABEE d-1
説明
閉じる
JABEE e
説明
閉じる
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：中間テストとレポートを最大90点と10点の計100点を上限として評価し、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 |
|
|
| 10週 |
|
|
| 11週 |
|
|
| 12週 |
|
|
| 13週 |
|
|
| 14週 |
|
|
| 15週 |
|
|
| 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 | 90 | 0 | 0 | 0 | 0 | 10 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 90 | 0 | 0 | 0 | 0 | 10 | 100 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |