シラバス表示
シラバスの詳細な内容を表示します。
→ 閉じる（シラバスの一覧にもどる）
科目の基本情報
| 開講年度 | 2024 年度 | |
|---|---|---|
| 開講区分 | 工学部情報工学科／総合工学科情報工学コース ・専門教育 | |
| 受講対象学生 |
学部(学士課程) : 3年次, 4年次 工学部/工学研究科以外に所属する学部学生/大学院生や国際交流センター特別聴講学生の受講についても相談に応じます。 |
|
| 選択・必修 | 選択 2018年度以前入学者の履修カリキュラムにおける必修科目「人工知能Ⅰ」（２年次前期）を再履修する場合は、本科目を履修してください。 |
|
| 授業科目名 | 人工知能と機械学習（2018年度以前入学：人工知能Ⅰ） | |
| じんこうちのうときかいがくしゅう | ||
| Artificial Intelligence and Machine Learning | ||
| 単位数 | 2 単位 | |
| ナンバリングコード | ||
| 開放科目 | 開放科目
他専攻の学生の受講可, 自専攻の学生の受講可, 他研究科の学生の受講可, 自研究科の学生の受講可, 他講座の学生の受講可, 他類の学生の受講可, 他学科の学生の受講可, 他学部の学生の受講可 ・プログラミングの経験もしくは強い興味を有すること。 ・Python開発環境（”Anaconda” [https://www.anaconda.com/products/individual]など ）を整えられるコンピュータを有すこと。 |
|
| 開講学期 |
後期 2018年度以前入学の「人工知能Ⅰ」の再履修者も，後期開講の本科目「人工知能と機械学習」を履修してください。 |
|
| 開講時間 |
水曜日 1, 2時限 変更の可能性があります。必ず時間割表を参照してください。 |
|
| 授業形態 |
対面授業 * 状況により変更される可能性があるので定期的に確認して下さい
「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業 |
|
| 開講場所 | 時間割表を参照してください。但し、ウィルスパンデミックの状況によってはオンライン講義となります。必ず、moodle上のコース；「情報工学オンライン掲示板」および「人工知能と機械学習」の掲載情報を確認してください。 | |
| 担当教員 | 林田 祐樹（工学研究科情報工学専攻） | |
| HAYASHIDA, Yuki (Grad. Eng., Information Engineering) | ||
| SDGsの目標 |
|
|
| 連絡事項 | 但し、上記のとおり； ・授業は日本語で行います。質問等は英語でも受け付けます。 ・プログラミングの経験もしくは強い興味を有すること。 ・Python開発環境（”Anaconda” [https://www.anaconda.com/products/individual]など ）を整えられるコンピュータを有すこと。 * 状況により変更される可能性があるので定期的に確認して下さい |
|
学修の目的と方法
| 授業の概要 | 本授業で扱う「人工知能」の実現は、情報工学のあらゆる専門科目から繋がる、未来の究極的目標の一つです。この授業では、生物の知能基盤である神経系の情報処理メカニズムと、人工知能の要素技術の一つである人工ニューラルネットワークを用いた情報処理と学習について学び、さらに演習として、深層学習用人工ニューラルネットワークのソフトウェア（プログラム）実装を学びます。 |
|---|---|
| 学修の目的 | 情報工学の学識をもって達成しようとする一つの目標は、優れた情報処理機械の創造です。この目標設定において、極めて重要と考えられる課題は、ヒトを含む生物が持つ”知能”の人工的な具現化であり、魅力的な用語を用いれば、”人工知能”の実現、と言えます。1936年頃に発明された"Universal (Turing) Machine"はデジタル計算機の祖となり、1956年以降の"Aritificail Intelligence"の研究開発と1974年以降の"Internet"の成功を生みました。これらの融合によって、2010年頃から徐々に、人工知能の要素として重要な”機械学習”の技術が、産業・医療・経済・政治・科学・教育など、社会の様々な分野でパラダイムシフトを起こしています。次世代の真の人工知能の実現において情報工学者に求められる、人工知能に関する正しい知識を学び、機械学習の実装方法の一端を体得することを、本科目の学修目的とします。 |
| 学修の到達目標 | 生体神経系の細胞・回路における信号処理メカニズムの概要を説明できる。 人工ニューラルネットワークにおける信号処理プロセスについて説明できる。 人工ニューラルネットワークの深層学習手法について説明できる。 深層学習用人工ニューラルネットワークをプログラム実装できる。 生体神経回路と人工ニューラルネットワークとの類似点と相違点について説明できる。 人工知能に関する次世代技術について説明できる。 |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 授業中の小課題：２０－３０％、復習課題：４０－６０％、最終課題：２０－３０％、計１００％（合計が60%以上で合格)。 |
| 授業の方法 | 講義 演習 |
| 授業の特徴 |
Moodleを活用する授業 |
| 授業アンケート結果を受けての改善点 | ・毎週の復習課題の採点基準について、出来る範囲で受講生へフィードバックします。 ・状況に応じて、Google colaboratoryなどの別のプログラミング環境も使用可とします。 ・難易度の比較的高い、追加の復習課題（加点評価の対象）を検討します。 |
| 教科書 | 書名：物体・画像認識と時系列データ処理入門 ［TensorFlow2/PyTorch対応第2版］ ～NumPy/TensorFlow2(Keras)/PyTorchによる実装ディープラーニング 著者：チーム・カルポ 発行所：秀和システム 定価：3520円＋税 ISBN-13： 9784798063546 他に、講義担当教員からの配布資料も講義に用います。 |
| 参考書 | 書名：ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 著者：斎藤 康毅 発行所：オライリージャパン 定価：3400円＋税 ISBN-13：9784873117584 |
| オフィスアワー | 授業日の１２：００～１３：００。それ以外でも、気軽にメール連絡をください。個別に時間設定をします。 |
| 受講要件 | Python開発環境（”Anaconda” [https://www.anaconda.com/products/individual]など ）を整えられるコンピュータを有すこと。 |
| 予め履修が望ましい科目 | 基礎線形代数学Ⅰ・Ⅱ、基礎微分積分学Ⅰ・Ⅱ、プログラミング言語Ⅰ、初級プログラミング演習、プログラミング言語Ⅱ、中級プログラミング演習、電気回路、情報工学実験Ⅰ、情報工学実験Ⅱ |
| 発展科目 | 卒業研究、知能化システム特論（大学院クロス科目） |
| その他 |
授業計画
| MoodleのコースURL |
https://moodle.mie-u.ac.jp/moodle35/course/view.php?id=5152 |
|---|
| キーワード | 生体神経系、人工知能、機械学習 |
|---|---|
| Key Word(s) | Biological Neural System, Artificial Intelligence, Machine Learning |
| 学修内容 | 第１回：受講ガイダンスおよび実社会で進む機械学習技術 第２回：生体神経細胞の基礎（形態，電気的特性，信号処理） 第３回：人工ニューロンの基礎（モデル化，活性化関数，損失関数，勾配降下法） 第４回：人工ニューラルネットワークの基礎（テンソル演算，誤差逆伝播法，学習） 第５回：多層ニューラルネットワークの基礎と実装その１（データセット，訓練と評価） 第６回：多層ニューラルネットワークの基礎と実装その２（過学習と学習不足, bias-variance） 第７回：多層ニューラルネットワークの基礎と実装その３（最適化のための技法） 第８回：深層畳込みニューラルネットワークの実装その１（畳込み演算と画像フィルタ） 第９回：深層畳込みニューラルネットワークの実装その２（パディング, プーリング） 第10回：深層畳込みニューラルネットワークの実装その３（標準化，正則化，ドロップアウト） 第11回：深層畳込みニューラルネットワークを用いたたクラス分類その１（データ拡張） 第12回：深層畳込みニューラルネットワークを用いたたクラス分類その２（訓練後モデル，検証法) 第13回：現時点の人工知能技術に対する考察（機械学習パラダイム，将来課題） 第14回：次世代の人工知能技術に対する考察（点過程と生体神経模倣） 第15回：最終振り返りと人工知能技術の俯瞰 第16回：最終課題提出 |
| 事前・事後学修の内容 | 事前学修：授業中の小課題に解答できるよう、次回の講義内容について教科書もしくは配布資料を読んでおいてください。 事後学修：講義内容について教科書もしくは配布資料を熟読して理解を深めてください。毎回の授業終了時に提示する課題に取り組んでください。 |
| 事前学修の時間:60分/回 事後学修の時間:180分/回 |