セミナー２ （原田）

Seminar 2

9974253

74BEBMS306

小玉　直樹、原田　拓

Taku Harada, Naoki Kodama

2025年度後期

2025年度

②Second semester

火曜2限

Tuesday, Second Period

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

1.0単位

講義

Lecture

-

① [対面]対面授業/ [On-site] On-site class

知能情報システムの設計・開発・評価について，機械学習を中心として，その基礎を学習する．本授業では，機械学習の「教師あり学習」および「強化学習」を重点的に取り上げ，それらのアルゴリズムおよび応用について学習する．

知能情報システムの設計・開発およびデータ解析に関する専門知識を習得する．そのために，具体的なデータを用いながら，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．

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．

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

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．

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

-

各回の授業内容を十分に復習しておくこと．

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

・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

N

-

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。
​https://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.kinokuniya.co.jp/tokyorika/

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．
Sebastian Raschka, Vahid Mirjalili（著），株式会社クイープ（翻訳），福島　真太朗（監訳），［第3版］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，2020．
伊藤真，Pythonで動かして学ぶ!　あたらしい機械学習の教科書　第3版，翔泳社，2022．
Jake VanderPlas（著），菊池彰（訳），Pythonデータサイエンスハンドブック　第2版　−Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習，オライリージャパン，2024．

全ての授業を対面で受講することを求める．

1．概要
　本授業の目的や学習内容の概要について理解する．

2−4．教師あり学習
　教師あり学習について，その特徴および具体的なアルゴリズム（Support Vector Machine，XGBoost，LightGBMなど）について学習する．さらに，Pythonを用いて実装し，実験を行うことによって理解を深める．

５−6．課題の発表
　教師あり学習に関する課題を発表する．

7−9．強化学習
　強化学習について，その特徴および具体的なアルゴリズム（Q-Learningなど）について学習する．さらに，Pythonを用いて実装し，実験を行うことによって理解を深める．

10−11．課題の発表
　強化学習に関する課題を発表する．

12−14．ニューラルネットワーク，生成AI，説明可能AI
　ニューラルネットワーク（ディープラーニングを含む）について，その特徴および基本的モデルについて理解する．さらに，生成AIや説明可能AIなど，最近の話題についても理解する．

15．まとめ
　本授業の内容をまとめ，理解を深める．

-

-

-

-

Y

N