2024年 大学院理工学研究科 シラバス - 情報科学専攻
設置情報
| 科目名 | 人工知能Ⅱ | ||
|---|---|---|---|
| 設置学科 | 情報科学専攻 | 学年 | 1年 |
| 担当者 | 高橋 聖 | 履修期 | 後期 |
| 単位 | 2 | 曜日時限 | 水曜2 |
| 校舎 | 船橋 | 時間割CD | K32A |
| クラス | |||
概要
| 学修到達目標 | 人工知能の中の機械学習に焦点を当て，機械学習の各種技法とニューラルネットワークについて理解し，説明できる。 |
|---|---|
| 授業形態及び 授業方法 |
授業は，対面（プロジェクタ使用）で実施する。 |
|
準備学習（予習・ 復習等）の内容・ 受講のための 予備知識 |
学部科目「人工知能」など，基礎的な人工知能の科目の受講経験を有すること。 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 |
授業計画
| 第1回 | 人工知能の歴史と機械学習 | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
|---|---|---|---|
| 第2回 | 回帰分析（最小二乗法） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第3回 | 回帰分析（最尤推定法） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第4回 | 順伝播型ニューラルネットワーク | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第5回 | 順伝播型ニューラルネットワーク（出力層の設計と誤差関数） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第6回 | 順伝播型ニューラルネットワーク（パーセプトロン） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第7回 | 順伝播型ニューラルネットワーク（ADALINEと確率的勾配降下法） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第8回 | 深層学習（ネオコグニトロンとその応用） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第9回 | 深層学習（畳込みニューラルネット1） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第10回 | 深層学習（畳込みニューラルネット2） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第11回 | 深層学習（自己符号化器）・人工知能の応用 | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第12回 | サポートベクトルマシン（SVM） | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第13回 | 決定木学習・k近傍法 | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第14回 | k-近傍法・k-平均法 | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
| 第15回 | Pythonで機械学習 | 【事前学修】事前配布資料に目を通し，疑問点をまとめておくこと。 【事後学修】講義の内容を復習し，関連事項をさらに調べて各自の考えを整理すること。 | 【事前学修】２時間 【事後学修】２時間 |
その他
| 教科書 |
教科書はないが，講義資料をLMS（学習管理システム）等により配布する。
|
|---|---|
| 参考資料コメント 及び 資料（技術論文等） |
Sebastian Raschka 『Python機械学習プログラミング －達人データサイエンティストによる理論と実践－』 インプレス 2016年
中井悦司 『ITエンジニアのための機械学習理論入門』 技術評論社 2015年
岡谷貴之 『深層学習』 機械学習プロフェッショナルシリーズ 講談社 2015年
|
| 成績評価の方法 及び基準 |
授業への出席を前提に，最終課題レポートの提出(100%)によって評価し，60点以上を合格とする。ただし，課題はその内容が一定の水準を満たしていないと判断した場合は提出と認めない。 |
| 質問への対応 | 随時メールで受け付ける。 |
| 研究室又は 連絡先 |
高橋聖（船橋校舎2号館213B室）takahashi.sei@nihon-u.ac.jp |
| オフィスアワー |
水曜 船橋 12:45 ～ 13:15
|
| 学生への メッセージ |
意欲を持って取り組んでいただきたい。 |