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

9914723

科目番号　Course number

14ISINS302

教員名

岩谷　理恵、森　健太郎、小池　晃弘、池原　翔太、宇井　隆晴

Instructor

Takaharu Ui, Shota Ikehara, Kentaro Mori, Rie Iwatani, Akihiro Koike

開講年度学期

2026年度後期

Year

2026年度

Semester

②Second semester

曜日時限

火曜2限

Class hours

Tuesday 2nd Period

開講学科・専攻　Department

理学部第一部　応用数学科

Department of Applied Mathematics, Faculty of Science Division Ⅰ

単位数　Course credit

2.00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

① [対面]対面授業/ [On-site] On-site class

概要　Description

本科目は「実践形式で学ぶAI技術」と題し、株式会社日本レジストリサービス（JPRS）が提供する寄附講座である。
人工知能（AI）の研究の歴史は古いが、コンピュータとネットワークの進化、2010年代以降の「ディープラーニング革命」によって一気に実用化が進んでいる。近年ではDALL-EやChatGPTなど、コンピュータが不得手であるとされていた創造的領域において優れた性能を発揮するモデルや、Geminiのように多様なデータを同時に処理することができるマルチモーダルなモデルなど、様々なモデルが登場し、人間の知性・知能へのますますの接近が図られている。
本講義では、AIに関する最新動向を捉え、その要素技術を演習を通じて実践ベースで学ぶ。

目的　Objectives

AIに関する基礎技術を学び、さらに発展的な学習に自発的に取り組むための基礎力を身につけることを目的とする。

到達目標　Outcomes

1. AIを取り巻く社会動向を把握している
2. AIの演習に取り組む演習環境構築方法を習得している
3. AIを実現するための技術的な基礎を理解している
4. AIを実現するフレームワークの基本的な利用方法を習得している

卒業認定・学位授与の方針との関係（学部科目のみ）

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/

履修上の注意　Course notes prerequisites

- AIに関する強い興味を持って、授業内容だけでなく関連する情報収集・自主学習に取り組む意欲を有していること。
- 本講座ではPythonを用いたプログラミングを主軸に演習を行う。Pythonに関する解説は随時行うが、プログラミングに関する基礎能力を習得していることが望ましい。
- 本講座ではクラウド演習環境を用いた授業を行う。受講にあたってはインターネット接続環境とPCが必要である。

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

-

準備学習・復習　Preparation and review

毎回の授業の中で習得確認のための演習課題を提示し、次回授業において解説を行う。

成績評価方法　Performance grading policy

講義中の演習への取り組み状況、課題への対応、期末の最終課題の評価を踏まえ、総合的に成績を評価する。

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。
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/

参考書・その他資料　Reference and other materials

特になし

授業計画　Class plan

1. オリエンテーション・AI概説・演習環境紹介
2. Python基礎・ライブラリ紹介

3. ニューラルネットワーク基礎
4. ニューラルネットワークでの学習
5. 誤差逆伝播法
6. モデルの最適化とフレームワーク
7. ニューラルネットワークまとめ

8. 画像処理概説
9. CNNの構築
10. CNN実装・学習

11. 自然言語処理における単語理解
12. 自然言語処理における文脈理解
13. Transformer基礎
14. Transformer応用

15. 到達度評価（期末試験）

※ 以上の講義計画は技術・社会の動向により変更する場合がある

担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor

IT系企業でAIのビジネス活用を進める講師陣が、AIの活用分野に関する最新動向と演習を通した実践的な要素技術習得について講義する。

教育用ソフトウェア　Educational software

-

備考　Remarks

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class

Y

授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class

N