到達目標
(1)AIの歴史と社会での位置づけについて説明できる。(定期試験、課題・レポート)
(2)機械学習の枠組みと代表的アルゴリズムについて説明できる。(定期試験、課題・レポート)
(3)深層学習の動作原理と応用例について説明できる。(定期試験、課題・レポート)
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 |
到達目標(1)の評価指標 | AIの歴史と社会での位置づけについて説明でき、その知識を応用できる。 | AIの歴史と社会での位置づけについて説明できる。 | AIの歴史と社会での位置づけについて説明できない。 |
到達目標(2)の評価指標 | 機械学習の枠組みと代表的アルゴリズムについて説明でき、その知識を応用できる。 | 機械学習の枠組みと代表的アルゴリズムについて説明できる。 | 機械学習の枠組みと代表的アルゴリズムについて説明できない。 |
到達目標(3)の評価指標 | 深層学習の動作原理と応用例について説明でき、その知識を応用できる。 | 深層学習の動作原理と応用例について説明できる。 | 深層学習の動作原理と応用例について説明できない |
学科の到達目標項目との関係
教育方法等
概要:
現代社会において、インターネットの普及と計算機技術の進歩は目覚ましく、これらの技術を基盤とする人工知能(AI)は、社会に広く浸透してきている。
本講義では、AI の歴史とその応用分野、社会との関係、機械学習、深層学習について習得することを目標とする。
授業の進め方・方法:
黒板、パワーポイントを用いた講義形式で進める。
注意点:
(履修上の注意)
予習復習だけでなく、新聞、テレビ、インターネット等から得られる情報にも興味を持ち、日頃から接しておくことが大切である。
なお,講義の途中でわからなくなったらすぐに質問すること。
(自学上の注意)
各回で実施する振り返りに基づいて、理解が不十分であったところを重点的に復習すること。
評価
(総合評価)
総合評価 = (定期試験の平均点) × 0.8 + 課題等 × 0.2
(単位修得の条件)
総合評価60%以上を単位修得の条件とする。
(再試験について)
再試験は原則実施しない。
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 |
AIと社会 |
AI研究の歴史を理解する。
|
2週 |
AIと社会 |
AIを実社会で活用する際の課題について理解する。
|
3週 |
機械学習の基礎 |
機械学習の枠組みについて理解する。
|
4週 |
機械学習の基礎 |
汎化能力とモデル選択方法について理解する。
|
5週 |
機械学習の基礎 |
機械学習の評価法について理解する。
|
6週 |
機械学習の応用 |
機械学習の代表的アルゴリズムについて理解する。
|
7週 |
機械学習の応用 |
機械学習の代表的アルゴリズムについて理解する。
|
8週 |
機械学習の応用 |
機械学習の代表的アルゴリズムについて理解する。
|
4thQ |
9週 |
後期中間試験 |
到達目標(1)
|
10週 |
深層学習の基本的な枠組み |
深層学習の基本的な枠組みについて理解する。
|
11週 |
ニューラルネットワークの原理 |
ニューラルネットワークの原理について理解する。
|
12週 |
パラメータの学習 |
ニューラルネットワークの学習方法について理解する。
|
13週 |
深層学習の応用 |
深層学習の応用について理解する。
|
14週 |
ロボット,認識,言語 |
ロボット、認識、言語へのAIの応用について理解する。
|
15週 |
後期期末試験 |
到達目標(2)、(3)
|
16週 |
後期期末試験の解答と解説 |
|
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・レポート | 合計 |
総合評価割合 | 80 | 20 | 100 |
基礎的能力 | 40 | 0 | 40 |
専門的能力 | 40 | 20 | 60 |