セミナー１ （原田）

Seminar 1

9974252

74BEBMS305

小玉　直樹、原田　拓

Taku Harada, Naoki Kodama

2026年度前期

2026年度

①First semester

集中講義

Intensive Course

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

知能情報処理のアルゴリズム設計・システム開発・応用について，その基礎知識を学習する．特に，最適化および機械学習について学習する．最適化と機械学習は密接に関係する．

知能情報処理のアルゴリズム設計・システム開発・応用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学習する．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．

最適化や機械学習などを利用した知能情報処理のアルゴリズム設計・システム開発・応用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/​​​

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／反転授業　Flipped classroom／PBL (課題解決型学習)　Problem-based learning／フィールドワーク　Practice/Fieldwork／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．
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．
佐野正太郎，秋葉拓哉，今村秀明，太田健，水野尚人，柳瀬利彦，Optunaによるブラックボックス最適化，オーム社，2023．
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．
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．
Aurelien Geron（著），下田倫大（翻訳），牧允皓（翻訳），長尾高弘（翻訳），scikit-learn、Keras、TensorFlowによる実践機械学習　第3版，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．授業の概要
　本授業の目的や学習内容の概要について理解する．

2-3．最適化の基礎
　最適化問題の特徴および最適化アルゴリズムの基礎について理解する．

4-5．メタヒューリスティクス（その1）
　最適化の枠組みの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について理解する．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．

6．課題の発表（その1）
　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．

7-8．メタヒューリスティクス（その2）
　最適化の枠組みの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について理解する．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．

9．課題の発表（その2）
　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．

10-11．ブラックボックス最適化
　ブラックボックス最適化について，その特徴および具体的なアルゴリズムについて理解する．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．

12-14．最適化と機械学習
　機械学習において最適化が果たす役割について理解する．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．

15．まとめ
　本授業の内容をまとめ，理解を深める．

-

-

-

-

Y

N