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) |
知能システム | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Intelligent Systems | ||
| 科目番号 /Code |
INS801s | ||
| 開講年度 /Academic year |
2023年度 | 開講年次 /Year offered |
4 |
| 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 | ||
| 開講類・専攻 /Cluster/Department |
先端工学基礎課程 | ||
| 担当教員名 /Lecturer(s) |
伊藤 毅志 | ||
| 居室 /Office |
西9-809 | ||
| 公開E-mail |
ito@cs.uec.ac.jp | ||
| 授業関連Webページ /Course website |
http://entcog.c.ooco.jp/k-katei/I-system/ | ||
| 更新日 /Last update |
2023/10/04 13:10:33 | 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（2,000文字以内） /Themes and goals（up to 2,000 letters） |
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（1,000文字以内） /Prerequisites（up to 1,000 letters） |
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（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
特になし |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
授業中に適宜資料を電子的に配布する。 参考書： 人工知能原理（コンピュータサイエンス教科書シリーズ）加納政芳、山田雅之、遠藤守共著（コロナ社）ほか |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
本授業は、オンデマンドを中心とした授業です。第１５回の試験は、対面で行う予定です。詳細は、Google Classroomをご確認ください。 第１回：ガイダンス：人工知能とは 第２回：知能研究の歴史 第３回：問題解決と探索 第４回：盲目的探索 第５回：ヒューリスティックス探索 第６回：知識と表現：プロダクションシステム 第７回：意味ネットワーク 第８回：述語論理による知識表現 第９回：論理プログラミングと推論 第１０回：知識メディアの知的表現 第１１回：画像処理ほか 第１２回：機械学習 第１３回：ニューラルネットワーク 第１４回：進化的計算 第１５回：試験と解説 講義中心だが、人工知能における問題解決は，自分で考えて本当に理解できるものである。したがって，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）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
予習は特に必要としない。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。レポート課題があれば、レポート課題を行い提出する必要がある。 |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
学期末の定期試験（70%）と講義期間中に課すレポート課題(30%)を合わせて成績を評価する。 最低達成基準：講義の３つの主テーマ(探索、知識表現と推論、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)盲目的探索とヒューリスティックス探索の違いを説明できる。基本的な探索について理解する。 (2)人工知能による知識表現と推論のメカニズムを説明できる。また、それを用いた知識メディアについて理解する。 (3) 機械学習の種類について理解し、ニューラルネットワーク、進化的計算について理解する。 |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
オフィスアワーは特に設けない。質問はメールで随時受け付ける。 |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
昨今、人工知能≒深層学習と思われがちだが、人工知能はもっと広範囲の内容がある。本講義では人工知能がカバーすべき基礎的な項目について広く説明する。基礎的な内容ばかりなので、しっかりと理解することが期待される。 |
| その他 /Others |
講義は日本語で実施する. |
| キーワード /Keywords |
人工知能、探索、知識表現、機械学習など |