デザイン工学部Faculty of Enginneering and Design
HUI300ND（人間情報学 / Human informatics 300）AIプログラミング（２０１９年度以降入学生）（２０２１年度開講）AIプログラミング（２０１９年度以降入学生）（２０２１年度開講）
我妻 幸長アヅマ ユキナガ
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | デザイン工学部Faculty of Enginneering and Design |
| 添付ファイル名Attached documents | |
| 年度Year | 2023 |
| 授業コードClass code | B2736 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期後半/Fall(2nd half) |
| 曜日・時限Day/Period | 木3/Thu.3,木4/Thu.4 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 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) | |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Courses | |
| 他学部公開（履修条件等）Open Courses (Notes) | |
| グローバル・オープン科目Global Open Courses | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | ○ |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| 選択・必修Optional/Compulsory | 選択必修 |
| 入学年度Admission year | 2019 |
| カテゴリー（2023年度~）Category (2023~) |
システムデザイン学科 専門科目 展開科目 テクノロジー系 |
| カテゴリー（2019~2022年度）Category (2019~2022) |
システムデザイン学科 専門科目 展開科目 |
| カテゴリー（招聘学科）Category | ＳＤ |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course aims to provide students with the programming skills necessary to master artificial intelligence (AI) technology.
The goal is to be able to implement and use various models of artificial intelligence.
The course also introduces artificial intelligence in general and the latest technologies to deepen the knowledge of artificial intelligence.
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
人工知能（AI）技術を使いこなすために必要な、プログラミングスキルの習得を目指す。
さまざまな人工知能のモデルを、自身で実装して使いこなせるようになることが目標。
また、人工知能全般や最新の技術についても紹介し、人工知能全般に関する知識を深める。
到達目標Goal
プログラミング言語Pythonを使って、様々な人工知能のモデルを構築できるようになる。
人工知能を使って、現実世界の様々な問題を解決できるようになる。
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?
デザイン工学部システムデザイン学科ディプロマポリシーのうち、「DP2」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. ）
教材は主にGoogle Colaboratoryのノートブックで配布する。
講義には、各自が課題に取り組む時間を設け、現実世界における問題の解決力を育む。
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。
第1回[オンライン/online]：人工知能の概要
人工知能の分類、歴史、開発環境
第2回[オンライン/online]：Pythonプログラミング
プログラミング言語Pythonの基礎、およびNumPy、matplotlib、Pandasの使い方
第3回[オンライン/online]：AIのための数学
AIに必要な、線形代数、微積分、確率統計
第4回[オンライン/online]：シンプルなニューラルネットワーク
ニューラルネットワークおよびディープラーニングの概要、フレームワークを使わないニューラルネットワークの構築
第5回[オンライン/online]：ディープラーニングの理論
ディープラーニングの理論的基礎
第6回[オンライン/online]：フレームワークの扱い方
tensorflow、Keras、PyTorchなどの紹介
第7回[オンライン/online]：畳み込みニューラルネットワーク（CNN）
CNNの構築、CNNによる画像分類
第8回[オンライン/online]：再帰型ニューラルネットワーク（RNN）
RNNの構築、RNNによる時系列データの処理
第9回[オンライン/online]：自然言語処理
Word2Vec、RNNなどによる自然言語の処理
第10回[オンライン/online]：生成モデル（VAE）
VAEによる画像生成、潜在変数の可視化
第11回[オンライン/online]：生成モデル（GAN）
GANによる画像生成、ナッシュ均衡
第12回[オンライン/online]：強化学習
強化学習の原理、強化学習の実装
第13回[オンライン/online]：転移学習
転移学習、ファインチューニング、有名モデルの紹介、有名モデルの活用
第14回[オンライン/online]：人工知能の発展技術
最新の研究の紹介、最新の研究のコードによる実装
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.)
事前に講義資料に目を通し、講義終了後に復習することが望ましい。
テキスト（教科書）Textbooks
講義資料を配布する。
参考書References
我妻幸長: 「はじめてのディープラーニング」 SBクリエイティブ
https://www.sbcr.jp/product/4797396812/
我妻幸長: 「はじめてのディープラーニング2」 SBクリエイティブ
https://www.sbcr.jp/product/4815605582/
我妻幸長: 「あたらしい数学の教科書」 翔泳社
https://www.shoeisha.co.jp/book/detail/9784798161174
我妻幸長: 「あたらしい脳科学と人工知能の教科書」 翔泳社
https://www.shoeisha.co.jp/book/detail/9784798164991
我妻幸長: 「Google Colaboratoryで学ぶ！あたらしい人工知能技術の教科書」 翔泳社
https://www.shoeisha.co.jp/book/detail/9784798167206
成績評価の方法と基準Grading criteria
レポート点数の合計値により、0-100点で評価する。
学生の意見等からの気づきChanges following student comments
プロンプトエンジニアリングについても扱うようにする。
プログラミングに関する難易度が高かったとの意見が多かったので、Pythonの基礎をより丁寧に解説する。
学生が準備すべき機器他Equipment student needs to prepare
インターネットに接続可能なパソコンが必要。
Google Colaboratoryを使用するため、Googleアカウントが必要。
その他の重要事項Others
基礎的な数学能力、プログラミング能力を有することが望ましい。