セミナー１（原田）｜シラバス情報

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

セミナー１（原田）

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

Seminar 1 （原田）

授業コード　Class code

9974252

科目番号　Course number

74BEBMS305

教員名

原田　拓

Instructor

Taku Harada

開講年度学期

2023年度前期

Year/Semester

2023 First Semester

曜日時限

火曜2限

Class hours

Tuesday, Second Period

開講学科・専攻　Department

創域理工学部　経営システム工学科

Department of Industrial and Systems Engineering, Faculty of Science and Technology

単位数　Course credit

1.0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/On-site class

概要　Description

知能情報システムの設計・開発・評価について，その基礎知識を学習する．特に，最適化計算および機械学習のアルゴリズムおよび応用について学習する．最適化計算は機械学習と密接に関連するものである．

目的　Objectives

知能情報システムの設計・開発技術およびデータ解析手法に関する専門知識を習得する．そのために，具体的なデータを扱いながら，システム設計・開発・評価実験を行う．利用する主なプログラミング言語はPythonである．
本科目は，本学科のディプロマ・ポリシー「修得した専門知識や教養をもとに、自ら課題を発見し、解決する能力。」に該当する科目である．

到達目標　Outcomes

最適化計算や機械学習などを利用した知能情報システムを設計・開発・評価することができるようになる．

卒業認定・学位授与の方針との関係（学部科目のみ）

プレゼンテーション能力/経営工学応用能力

履修上の注意　Course notes prerequisites

毎回ノートパソコンを使用する．
授業の一部を校外研修として実施する場合がある．その場合，別日にて実施するが，参加できることが望ましい．

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

課題に対する作文　Essay／ディベート・ディスカッション　Debate/Discussion／プレゼンテーション　Presentation／実験　Experiments／実習　Practical learning

-

準備学習・復習　Preparation and review

各回の授業内容を十分に復習しておくこと．

成績評価方法　Performance grading policy

授業を全て受けていることを前提とし，演習・レポート・課題発表などの結果で評価する．

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)

N

書誌情報　Bibliographic information

-

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

谷口忠大，イラストで学ぶ　人工知能概論　改訂第2版，講談社，2020．
大谷紀子，進化計算アルゴリズム入門　生物の行動科学から導く最適解，オーム社，2018．
伊庭斉志，進化計算と深層学習 −創発する知能−，オーム社，2015．

授業計画　Class plan

1．概要
　本授業の目的や学習内容の概要を理解する．

2−3．最適化計算の基礎
　最適化問題の特徴および最適化計算の基礎を理解する．

4−6．メタヒューリスティクスの基礎
　最適化アルゴリズムの枠組みの１つであるメタヒューリスティクスについて，その特徴および具体的なアルゴリズムを理解する．そのうえで，メタヒューリスティクスをスケジューリング問題など具体的な問題に応用することによって，メタヒューリスティクスに関する理解を深める．

7−8．進化計算の基礎
　メタヒューリスティクスの枠組みの１つである進化計算について，その特徴および具体的なアルゴリズムを理解する．そのうえで，進化計算をスケジューリング問題など具体的な問題に応用することによって，進化計算に関する理解を深める．

9．課題（その１）の発表
　メタヒューリスティクスに関する課題について発表する．

10．課題（その２）の発表
　メタヒューリスティクスに関する課題について発表する．

11−12．機械学習の基礎
　機械学習の基礎を理解する．

13−14．最適化計算と機械学習
　機械学習において最適化計算が果たす役割を理解する．そして，いくつかの具体的な機械学習アルゴリズムを取り上げ，その内容について理解する．

15．まとめ
　本授業の内容をまとめ，理解を深める．

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

-

教育用ソフトウェア　Educational software

-

備考　Remarks

-