- 学部・研究科
Faculty/Graduate School - シ
- 時間割コード
Course Code - 62496
- 科目名
Course title
サブテーマ
Subtitle - 知的情報工学
- 授業形態/単位
Term/Credits - クラス
Class -
- 秋/2
- 担任者名
Instructor - 小尻 智子
- 曜限
Day/Period - 月2
- 授業概要
Course Description
到達目標
Course Objectives -
授業種別 / Teaching Types
講義（対面型）
言語 / Language
日本語(Japanese)
授業概要 / Course Description
近年，人工知能は私たちの生活に必要不可欠なものとなった．1950 年代頃から本格的に発展してきた人工知能技術は，人の頭の中を模倣しようとする技術と，人と同じようなアウトプットを出そうとする技術に分類することができる．前者の技術は，人の持っている知識表現や問題解決のメカニズムをコンピュータで近似することに焦点をあてており，コンピュータに独自の知識を持たせることを可能とする．一方，近年発展が目覚ましい機械学習は後者にあたり，知識表現や問題解決方法の解明よりも，入力に対して人と同じ出力を出すことに焦点をあてている．
本講義では，このような人工知能技術の発展の歴史を学ぶとともに，人工知能という総称でひとくくりにされている多様な技術について理解することを目的とする．到達目標 / Course Objectives
本講義の到達目標は，以下のとおりである
①人工知能技術の概要を理解すること．
②人工知能の技術を用いて簡単な問題を解けること．授業手法 / Teaching Methods
・教員による資料等を用いた説明や課題等へのフィードバック
- 授業計画
Course Content -
授業計画 / Course Content
講義は以下に示す項目について進める．
1．序論（人工知能・歴史・研究分野）
2．問題表現・探索1
3．探索2
4．探索3
5．ゲーム探索，遺伝的アルゴリズム
6．記号論理（命題論理）
7．記号論理（述語論理）
8．中間試験
9．導出原理
10．論理プログラミング，プロダクション・システム
11．意味ネットワーク，フレーム理論
12．機械学習の基礎，教師あり学習（分類：決定木）
13．教師あり学習（分類：k近傍法，ナイーブベイズ，パーセプトロン）
14．教師あり学習（回帰），教師なし学習
15．教師なし学習，強化学習授業時間外学習 / Expected work outside of class
講義で⼗分に理解できなかった課題に関して、次の授業までに解けるように復習しておくこと。
- 成績評価の方法・基準・評価
Grading Policies /
Evaluation Criteria -
方法 / Grading Policies
定期試験（筆記試験）の成績と平常成績で総合評価する。
中間試験(30%) 期末試験(60%) 講義内課題（10%）
※ただし、今後の状況によって、成績評価方法が変更になることもある。基準・評価 / Evaluation Criteria・Assessment Policy
中間試験・期末試験︓講義内容に対する理解度をはかる問題を出す．
講義内課題：毎週出す演習問題に取り組んでいること．
- 教科書
Textbooks
教科書は指定しない．代わりに資料を配布する．
-
参考書
References 太原育夫 人工知能の基礎知識 近代科学者
白井良明 人工知能の理論 コロナ社
元田浩，津本周作，山口高平，沼尾正行 データマイニングの基礎 オーム社
荒木雅弘 フリーソフトではじめる機械学習入門 森北出版
- フィードバックの方法
Feedback Method
- 担任者への問合せ方法
Instructor Contact メールにて問い合わせしてください．kojiri@kansai-u.ac.jp
- 備考
Other Comments 状況等を鑑みてオンデマンド教材を使用して授業を実施する可能性があります．
LMSにおいてオンデマンド動画や教材資料を配信します．