シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
知的情報処理 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Intelligent Information Processing | ||
| 科目番号 /Code |
MTH605c MTH605d | ||
| 開講年度 /Academic year |
2020年度 | 開講年次 /Year offered |
3 |
| 開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
情報理工学域 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
専門科目 | ||
| 開講学科・専攻 /Cluster/Department |
Ⅰ類 | ||
| 担当教員名 /Lecturer(s) |
古賀 久志 | ||
| 居室 /Office |
西10号 832 | ||
| 公開E-Mail |
koga@sd.is.uec.ac.jp | ||
| 授業関連Webページ /Course website |
(予定) http://sd.is.uec.ac.jp/koga/lecture/chiteki2020/ | ||
| 更新日 /Last updated |
2020/02/20 14:44:01 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標 /Topic and goals |
人工知能は、パターン認識やコンピュータゲームなどへの応用で社会的にも注目を集めている。本講義ではその基盤技術である探索、機械学習について学ぶ。さらにデータからの知識発見、最適化問題に対するヒューリスティクス解法など人工知能がカバーする学門領域を広く学ぶ。人工知能が何であるかを把握し、その基本アルゴリズムを理解して説明できるようになることを到達目標とする。 |
|---|---|
| 前もって履修 しておくべき科目 /Prerequisites |
アルゴリズム論第一、離散数学 |
| 前もって履修しておくこ とが望ましい科目 /Recommended prerequisites and preparation |
特になし |
| 教科書等 /Course textbooks and materials |
授業中に適宜資料を電子的に配布する。 参考書： 人工知能(改訂2版)（松本一教、宮原哲浩、永井保夫、市瀬龍太郎共著, オーム社） |
| 授業内容と その進め方 /Course outline and weekly schedule |
第１回：ガイダンス：人工知能の歴史 第２回：ブラインド探索 第３回：コストを考慮した探索（分枝限定法、A*アルゴリズム） 第４回：組み合わせ最適化、局所探索法 第５回：遺伝アルゴリズム 第６回：述語論理 第７回：知識表現と推論 第８回：論理式の充足可能性判定 第９回：相関ルールマイニング 第１０回：階層的クラスタリング 第１１回：非階層的クラスタリング 第１２回：SVM 第１３回：決定木 第１４回：パーセプトロン, ニューラルネットワーク 第１５回：最近のトピック 講義中心だが、人工知能における問題解決は，自分で考えて、プログラムを組んでみて本当に理解できるものである。したがって，小テストや簡単な実習課題を数回課す予定である。また、受講者の理解度を見ながら、取り扱うトピックを変える可能性がある。 |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等） /Preparation and review outside class |
予習は不要である。しかし、各回の授業の時点で、前回までの講義内容を理解していることを前提として説明するので、復習はしっかり行う必要がある。 |
| 成績評価方法 および評価基準 （最低達成基準を含む） /Evaluation and grading |
学期末の定期試験と講義期間中に課すレポート課題で成績を評価する。レポート課題の成績は定期試験の成績への加点となる。定期試験を受けないと単位は付かない。 最低達成基準：講義の４つの主テーマ(探索、知識推論、データ分類、機械学習)に関して、それぞれ次のことができるようになること。 (1)探索アルゴリズムの動きを理解する。とくに、A*アルゴリズムとはどのようなアルゴリズムであるかを詳しく説明できる。また、探索を利用して、最適化問題を解く流れを説明できる。 (2)人工知能による推論のメカニズムを説明できる。 (3) 階層的クラスタリングを理解し、その性質や特色まで説明できる。 (4) 機械学習における学習データ、テストデータの役割を理解し、簡単な学習アルゴリズムを自作できる。 |
| オフィスアワー： 授業相談 /Office hours |
オフィスアワーは特に設けない。質問は授業終了の前後に受け付けるのを基本とする。また、メールでの質問も歓迎する。 |
| 学生へのメッセージ /Message for students |
人工知能＝深層学習のイメージの昨今ですが、人工知能はもっと広範囲の内容をカバーしています。そこで、本講義では人工知能がカバーする領域を広く浅く講義します。現実の応用を持った技術ばかりなので、本講義の習得はきっと皆さんの役になる時があると思います。 |
| その他 /Others |
講義は日本語で実施する. |
| キーワード /Keyword(s) |
人工知能、探索、データマイニング、パターン認識と機械学習 |