人工知能｜シラバス情報

科目授業名称（和文）　Name of the subject/class (in Japanese)

人工知能

科目授業名称（英文）　Name of the subject/class (in English)

Artificial Intelligence

授業コード　Class code

9943261

科目番号　Course number

43ICDAS302

教員名

長谷川　幹雄

Instructor

Mikio Hasegawa

開講年度学期

2023年度前期

Year/Semester

2023 / 1st semester

曜日時限

木曜2限

Class hours

Thu. 2nd Period

開講学科・専攻　Department

工学部　電気工学科

Department of Electrical Engineering, Faculty of Engineering

単位数　Course credit

2.0単位

授業の方法　Teaching method

講義

Lecture

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

対面授業

概要　Description

人工知能は、様々な分野に応用されている。本講義では、人工知能で用いられる機械学習アルゴリズム、特にニューラルネットワーク、ディープラーニングについて学ぶ。教室での講義では人工知能の原理／理論を学び、ターミナル室での授業ではニューラルネットワーク、ディープラーニングのプログラミングを行い理解を深める。

目的　Objectives

人工知能の原理／理論を理解し、さらに、人工知能をプログラミングできるようになることを目的とする。

到達目標　Outcomes

1．人工知能の原理／理論を理解する。
２．ディープラーニングのアルゴリズムを理解する。
3. ディープラーニングをプログラミングできるようになる。

卒業認定・学位授与の方針との関係（学部科目のみ）

専門学力(エネルギー・制御)/専門学力(通信・情報)/専門学力(材料・エレクトロニクス)

履修上の注意　Course notes prerequisites

プログラミング系の必修科目を修得済みであることが望ましい。

アクティブ・ラーニング科目　Teaching type（Active Learning）

小テストの実施　Quiz type test

-

準備学習・復習　Preparation and review

準備学習：教科書の指定ページを事前に熟読する。
復習：教科書を参考にしながら、講義内容を理解する。プログラミング実習内容を理解し、演習課題を完了させる。

成績評価方法　Performance grading policy

演習課題／小テスト（4０％）、期末試験（6０％）

学修成果の評価　Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

Y

書誌情報　Bibliographic information

ゼロから作るＤｅｅｐＬｅａｒｎｉｎｇＰｙｔｈｏｎで学ぶディ−プラ−ニングの理論と実装
オライリ−・ジャパンオ−ム社
9784873117584

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

講義中に紹介する。

授業計画　Class plan

1. 人工知能（AI）とは
内容：歴史的技術動向と現状のAIの関係について

2. 統計学的手法と機械学習
　　内容：基本的なデータ分析手法や学習について

3. ニューラルネットワーク(NN)とディープラーニング
　　内容：ニューラルネットワークの基本とディープラーニングについて

4. Python入門
　内容：本講義のプログラミングで使用するPython言語を理解する

5. パーセプトロン(1)
内容：パーセプトロンの原理を理解する。

6. パーセプトロン(2)
内容：パーセプトロンのプログラミングができるようになる。

7. ニューラルネットワーク
内容：ニューラルネットワークを理解する。

8. ニューラルネットワークの学習
　　内容：ニューラルネットワークをプログラミングし、学習させることが出来るようになる。

9. 誤差逆伝播法(1)
　　内容：誤差逆伝播法を理解する。

10. 誤差逆伝播法(2)
　　内容：誤差逆伝播法をプログラミング出来るようになる。

11. 学習に関するテクニック
　　内容：パラメータの更新、重みの初期値、Batch Normalizationについて理解する。

12. 畳み込みニューラルネットワーク（１）
　　内容：畳み込みニューラルネットワークを理解する。

13. 畳み込みニューラルネットワーク（２）
　　内容：畳み込みニューラルネットワークをプログラミングできるようになる。

14. ディープラーニング
内容：ディープラーニングを理解する。

15.まとめ

[授業外学習の課題]
演習課題を通して理解を深める。
教科書の予習／復習を行い、理解を深める。

授業担当者の実務経験　Work experience of the instructor of the class

長谷川：通信関連研究所の勤務経験を活かし講義する

教育用ソフトウェア　Educational software

-

備考　Remarks