Syllabus data
|
Teacher name ： CHANDRASIRI Naiwala Pathirannehelage
|
開講年度
2025Year
開講学期
First Semester
科目名
Artificial Intelligence
授業種別
Lecture
科目名（英語）
Artificial Intelligence
授業情報(授業コード・クラス・授業形態)
A1000163 Artificial Intelligence
担当教員
CHANDRASIRI Naiwala Pathirannehelage
単位数
2.0Credits
曜日時限
Thu.3Period
キャンパス
Shinjuku Campus
教室
A-1055 Izumi17
学位授与の方針
1 基礎知識の修得 0 ％
2 専門分野の知識・専門技術の修得 80 ％ 3 汎用的問題解決力の修得 20 ％ 4 道徳的態度と社会性の修得 0 ％ 具体的な到達目標
⼈⼯知能における問題解決の考え⽅を習得し、代表的な理論を理解する。
受講にあたっての前提条件
コンピュータの基本的な概念とアルゴリズムの基本的な考え⽅を取得していることが望ましい。
授業の方法とねらい
これまでのコンピュータの応用が主として数値処理に重点が置かれていたのに対し、人工知能（AI）は人間が行なう推論、認識、判断などの高度な情報処理をコンピュータに行なわせることを主眼としている。
ビジネスの高度化、少子高齢化に伴う労働人口の減少などの問題を解決するキーテクノロジーとして、AIには大きな期待が寄せられている。 人工知能講義ではその歴史を学び、基本技術を理解し、その主な手法の実装ができることを到達目標とする。 ＃「デジタル信号処理・演習」を履修すること。 AL・ICT活用
Project Based Learning／Support for self-learning using ICT
第1回
授業形態
授業情報欄記載の通り
事前学習
シラバスの確認
0.5時間
授業内容
第１回 ： ガイダンス
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第2回
授業形態
授業情報欄記載の通り
授業内容
第２回 ： 人工知能とはなにか？
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第3回
授業形態
授業情報欄記載の通り
授業内容
第３回 ： 人工知能の歴史 - 第1次AIブーム：「推論」と「探索」
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第4回
授業形態
授業情報欄記載の通り
授業内容
第4回 ： 人工知能の歴史 - 第2次AIブーム：「エキスパートシステム」、「オントロジー」
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第5回
授業形態
授業情報欄記載の通り
授業内容
第5回 ： 人工知能の歴史 - 第3次AIブーム：「機械学習」、「ディープラーニング」
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第6回
授業形態
授業情報欄記載の通り
授業内容
第6回 ： 機械学習アルゴリズムの理論と実装：k-NN、k-means
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第7回
授業形態
授業情報欄記載の通り
授業内容
第7回 ： 機械学習アルゴリズムの理論と実装：SVM(サポートベクターマシン)
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第8回
授業形態
授業情報欄記載の通り
授業内容
第8回 ： ディープラーニングの理論と実装 ： ニューラルネットワーク (ⅰ)
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第9回
授業形態
授業情報欄記載の通り
授業内容
第9回 ： ディープラーニングの理論と実装 ： ニューラルネットワーク (ⅱ)
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第10回
授業形態
授業情報欄記載の通り
授業内容
第10回 ： ディープラーニングの理論と実装 ： 多層ニューラルネットワークの学習 (ⅰ)
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第11回
授業形態
授業情報欄記載の通り
授業内容
第11回 ： ディープラーニングの理論と実装 ： 多層ニューラルネットワークの学習 (ⅱ)
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第12回
授業形態
授業情報欄記載の通り
授業内容
第12回 ： ディープラーニングの理論と実装 ： 多層ニューラルネットワークと分類問題 (ⅰ)
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第13回
授業形態
授業情報欄記載の通り
授業内容
第13回 ： ディープラーニングの理論と実装 ： 多層ニューラルネットワークと分類問題 (ⅱ)
事後学習・事前学習
授業内に提示される課題、レポートの対応をする。
5時間
第14回
授業形態
授業情報欄記載の通り
授業内容
第14回 ： 総復習
事後学習・事前学習
総復習
5時間
第15回
授業形態
授業情報欄記載の通り
授業内容
授業の振り返り
事後学習
授業の振り返り
2時間
成績評価の方法
定期試験（60％）、レポート課題（40％）。到達目標に照らして、6段階のGrade(A+,A,B,C,D,F)で評価し、D以上の者に単位を認める。
受講生へのフィードバック方法
KU-LMS上でフィードバック方法について通知する.
教科書
１．教科書：松尾 豊「人工知能は人間を超えるか」KADOKAWA
２．追加電子資料を配布する。 参考書
・Phil Kim, MATLAB Deep Learning: With Machine Learning, Neural Networks and Artificial Intelligence 1st Edition, ISBN-13: 978-1484228449, ISBN-10: 1484228448
・石井健一郎、上田修功、前田英作、村瀬洋 「わかりやすいパターン認識（第2版）」オーム社 ・S. Russel, P. Norvig「Artificial Intelligence: A Modern Approach, Global Edition」Pearson Education Limited オフィスアワー
木曜日11:00〜12:00 A1513号室
受講生へのメッセージ
実務家担当科目
Applicable
実務経験の内容
自動車関連のIT企業での知能情報システムを提案・プロトタイプ開発の経験がある教員が、知能情報処理に関する経験を活かし、人工知能について講義する。
教職課程認定該当学科
Department of Information Design
その他の資格・認定プログラムとの関連
関連する科目である
教育課程コード
Ⅲ3b
教育課程コードの見方【例】 Ⅰ2a（Ⅰ…Ⅰ群、2…2年配当、a…必修） ※ a : 必修 b : 選択必修 c : 選択 ※複数コードが表示されている場合には入学年度・所属学科の学生便覧を参照のこと
|
