理工学研究科Graduate School of Science and Engineering
HUI500X4(人間情報学 / Human informatics 500)人工知能特論Artificial Intelligence
髙間 康史Yasufumi TAKAMA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工学研究科Graduate School of Science and Engineering |
添付ファイル名Attached documents | |
年度Year | 2022 |
授業コードClass code | YC037 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 春学期授業/Spring |
曜日・時限Day/Period | 月2/Mon.2 |
科目種別Class Type | |
キャンパスCampus | 小金井 |
教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
配当年次Grade | |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
カテゴリーCategory | システム理工学専攻 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
[Course outline]
This lecture introduces key technologies and related topics of artificial intelligence.
[Learning Objectives]
Students can learn about various AI technologies and think about their usage and issues concerned in society.
[Learning activities outside of classroom]
Before/after each class meeting, students will be expected to spend four hours understanding the course content.
[Grading Criteria /Policy]
Your overall grade in the class will be decided based on the following
Reports : 80%, in-class contribution: 20%
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
授業概要:現代社会で必要不可欠な技術となりつつある人工知能について,主要技術や関連話題などについて概説する.
授業の目的・意義:人工知能の主要技術について理解し,社会での活用方法や課題について主体的に考えることができるようになる.
到達目標Goal
・人工知能の主要技術について理解できる.
・人工知能の社会での活用方法について考えることができる.
・人工知能が社会にもたらす課題について考えることができる.
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
講義形態で行う.
最終授業で,13回までの講義内容のまとめや復習だけでなく,授業内で行った小レポート等,課題に対する講評や解説も行う.
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]:人工知能の歴史
人工知能の誕生から現在までの概説
2[対面/face to face]:論理と推論
命題論理,述語論理,非単調推論,確率的推論
3[対面/face to face]:データマイニング
データマイニングとは,データの分類,マイニングの方法,前処理
4[対面/face to face]:相関ルール
頻出アイテム集合,ルール抽出手法,興味深さの指標
5[対面/face to face]:教師あり学習:基礎
教師あり学習とは,決定木,ベイズの定理
6[対面/face to face]:教師あり学習:評価
評価指標,訓練データとテストデータ
7[対面/face to face]:教師あり学習:応用
アンサンブル学習,SVM,多クラス分類
8[対面/face to face]:教師なし学習:基礎
クラスタリングとは,k-Means,階層的手法
9[対面/face to face]:教師なし学習:応用
密度ベース手法,グリッドベース手法,グラフベース手法
10[対面/face to face]:情報推薦:基礎
情報推薦とは,協調フィルタリング
11[対面/face to face]:情報推薦:応用
推薦システムの評価,協調フィルタリングの課題
12[対面/face to face]:人工知能と人間の協調(1)
AIとIA,対話エージェント,Human in the loop
13[対面/face to face]:人工知能と人間の協調(2)
情報可視化,人工知能とビッグデータ
14[対面/face to face]:まとめと解説
講義内容のまとめ・復習
課題などに対する講評・解説
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
本授業の準備・復習時間は、各4時間を標準とします。
テキスト(教科書)Textbooks
使用しない
参考書References
J. Han, M. Kamber, J. Pei: DATA MINING - Concepts and Techniques - (3rd Edition), Morgan Kaufmann, 2012.
高間:情報可視化,森北出版,2017.
成績評価の方法と基準Grading criteria
レポート課題:80%
平常点:20%
学生の意見等からの気づきChanges following student comments
特になし
学生が準備すべき機器他Equipment student needs to prepare
講義資料を事前にPDFで配布するので,印刷するかノートPC・タブレットなどで講義中に確認できるようにしておくこと.
その他の重要事項Others
特になし