タイトル
時間割コード:GD10139 日本語シラバス 英語
知能システム論[Intelligent Systems]
 
担当教員
濱上 知樹[HAMAGAMI TOMOKI]
開講学部等 工学府 対象年次 1〜 単位数 2 使用言語 英語
開講時期 秋学期 開講曜限   クラス  
授業形態 授業形態(詳細) 授業方法
特記事項  
ナンバリングコード 実務経験のある教員による授業
授業の目的  
知能システムを構築する上で必要となる機械学習および人工知能の要素技術から，その設計・実装方法，および応用事例を概観する。近年大きな進歩を遂げた人工知能と機械学習技術は，いまや多くの技術分野にまたがる必須の知識・ツールとなっている。本講義では，多くの理工学分野で有益な人工知能と機械学習の基礎から応用までを扱うことで，情報システム分野はもちろん，多くの分野に展開可能な知能システムの考え方と方法を習得することを目的とする。
 
授業計画
（項目説明）授業全体のスケジュールを示しています。学修計画を立てる際の参考にしてください。  
1. 人工知能と機械学習概論
2. 線形回帰・線形判別
3. ニューラルネットワーク
4. サポートベクタマシンとカーネル法
5.　アンサンブル学習
6. 決定木とルール発見
7. クラスタリングと自己組織化
8. 強化学習
9.　生成モデル
10. ディープラーニング
11. 応用事例（故障診断）
12.　応用事例（異常発見）
13. 応用事例（画像処理）
14.　機械学習実行環境
15.　クラウドＡＩへの展開
 
授業時間外の学修内容
（項目説明）授業全体を通して授業前に予習すべき内容、授業後に復習すべき内容を示しています。単位は、授業時間前後の予習復習を含めて認定されます。  
出題されたレポート課題は、自ら参考文献を調査し、複数の参考文献から自分の考えを論じることが望まれる。
出題されたプログラム課題を実装し，その結果を試行錯誤することにより考察することが望まれる。
 
履修目標
（項目説明）授業で扱う内容（授業のねらい）を示す目標です。より高度な内容は自主的な学修で身につけることを必要としています。  
基本的かつ重要な機械学習と人工知能の要素技術の考え方と性質を説明することができる。
機械学習と人工知能技術がどのように使われているのか事例を説明することができる。
得られた知見をそれぞれの分野のデータやシステムに活用することができる。
 
到達目標
（項目説明）授業を履修する人が最低限身につける内容を示す目標です。履修目標を達成するには、さらなる学修を必要としている段階です。  
機械学習と人工知能の基礎理論について数式等を用いて説明できる。
機械学習と人工知能の基本的なアルゴリズムの原理を説明することができる。
機械学習と人工知能の現在の原理的な課題と限界を説明することができる。
 
成績評価の方法
（項目説明）成績評価の方法と評価の配分を示しています。  
成績は　毎回の演習問題（４割），レポート（３割），応用事例の発表(３割)で判断する。
 
成績評価の基準 -ルーブリック-
（項目説明）授業別ルーブリックでは評価の項目と、成績評価の基準との関係性を確認できます。（表示されない場合もあります。）  
【成績評価の基準表】
秀(S)優(A)良(B)可(C)不可(F)
履修目標を越えたレベルを達成している履修目標を達成している履修目標と到達目標の間にあるレベルを達成している到達目標を達成している到達目標を達成できていない
履修目標：授業で扱う内容（授業のねらい）を示す目標
到達目標：授業において最低限学生が身につける内容を示す目標
 
授業の方法
（項目説明）教員が授業をどのように進めるのか、課題提出などの情報もあわせて示しています。  
基本的に座学で進め，毎回の演習問題を実施する。
全部で３回のレポート提出を予定している。
応用事例については論文の輪読による場合がある。
 
教科書  
教科書1 ISBN
書名 教科書は特に用意しない。必要に応じて資料を配布する。
著者名 出版社 出版年
 
参考書  
参考書1 ISBN
書名 －
著者名 出版社 出版年
 
↑ ページの先頭へ戻る