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 | 2021 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 工学部以外に所属する学部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 |
火曜日 5, 6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 |
ハイブリッド授業 * 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 | * 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 | 生体神経系の神経細胞と神経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と学習方法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 |
| 授業改善の工夫 | |
| 教科書 | 書名：必要な数学だけでわかるディープラーニングの理論と実装 ～人工知能のためのプログラミング入門～ 著者：チーム・カルポ 発行所：秀和システム 定価：1800円＋税 ISBN-13：9784798056678 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 | 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を履修済であること。 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。 |
| 予め履修が望ましい科目 | 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生体神経細胞の基礎 第２回：生体神経回路の基礎およびパーセプトロン 第３回：人工ニューラルネットワークと深層学習 第４回：人工ニューラルネットワークを用いた文字認識その１ 第５回：人工ニューラルネットワークを用いた文字認識その２ 第６回：人工ニューラルネットワークを用いた文字認識その３ 第７回：畳込み演算を持つ人工ニューラルネットワークその１ 第８回：畳込み演算を持つ人工ニューラルネットワークその２ 第９回：過学習への対策～プーリングとドロップアウトその１ 第10回：過学習への対策～プーリングとドロップアウトその２ 第11回：畳込みニューラルネットワークを用いた画像認識その１ 第12回：畳込みニューラルネットワークを用いた画像認識その２ 第13回：畳込みニューラルネットワークを用いた画像認識その３ 第14回：畳込みニューラルネットワークを用いた画像認識その４ 第15回：次世代の人工知能技術に対する考察その１ 第16回：次世代の人工知能技術に対する考察その２ |
| 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:90分/回 事後学修の時間:150分/回 |