理工学部Faculty of Science and Engineering
HUI200XG（人間情報学 / Human informatics 200）知能科学ⅠIntelligent Informatics I
鮏川 矩義Noriyoshi SUKEGAWA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2024 |
| 授業コードClass code | H9356 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 水曜4時限水4/Wed.4 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 小西館‐W304 |
| 配当年次Grade | 2年 |
| 単位数Credit(s) | |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 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 | |
| カテゴリー＜理工学部＞Category |
創生科学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
（Course outline）
This course introduces the basic and important concepts and methods necessary for creating artificial intelligencem as well as their applications to social science fields.
（Learning Objectives）
The goal of this course is to cultivate the basic skills to appropriately utilize artificial intelligence technology in various situations in society.
（Learning activities outside of classroom）
The homework is to address unsolved exercises and deepen understanding of the associated notions or methodologies.
（Grading Criteria /Policy）
The grading is based on the final exam (70%) and classroom quizzes (30%).
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
人工知能をつくるにあたって必要となる基本的かつ重要な考え方や手法を学ぶ。また、社会科学分野へのそれらの応用について理解を深める。社会のさまざまな場面で適切に人工知能の技術を活用するための基礎力を養うことが目的である。
到達目標Goal
・探索の原理を理解し、経路探索やゲームの意思決定に応用できる
・ゲーム理論の基礎を理解し、簡単な問題における戦略や均衡を説明できる
・強化学習における基本的な学習方法を理解し、簡単な問題に適用できる
・確率とベイズ理論の基礎を理解し、状態推定に応用できる
・学習と認識のための基本的な手法をデータに適用でき結果を解釈できる
・決定木やSVMなどの基本的な回帰や分類のモデルの原理を説明できる
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」と「DP2」と「DP4」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. ）
スライドと板書を用いた講義と演習によって授業を進めます。演習で扱った問題の正答と間違いの例の解説を通して、内容への理解を深めます。授業時間中に小テストを数回行ないます。
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]：人工知能をつくり出そう
人工知能とは、人工知能の歴史
2[対面/face to face]：探索（1）：状態空間と基本的な探索
状態空間、基本的な探索
3[対面/face to face]：探索（2）：最適経路の探索
最短経路、ヒューリスティックな知識
4[対面/face to face]：探索（3）：ゲームの理論
利得と回避行動、標準型ゲーム、展開型ゲーム
5[対面/face to face]：計画と決定（1）：動的計画法
多段階決定問題、動的計画法
6[対面/face to face]：確率モデル（1）：確率とベイズ理論の基礎
ベイズの定理、期待値と意思決定
7[対面/face to face]：確率モデル（2）：確率的生成モデルとナイーブベイズモデル
確率的生成モデル、グラフィカルモデル
8[対面/face to face]：計画と決定（2）：強化学習
評価関数、Q学習
9[対面/face to face]：状態推定（1）：ベイズフィルタ
状態推定の問題、ベイズフィルタ
10[対面/face to face]：状態推定（2）：粒子フィルタ
モンテカルロ近似、粒子フィルタ
11[対面/face to face]：学習と認識（1）：クラスタリングと教師なし学習
k-means法、混合分布モデルによるアプローチ
12[対面/face to face]：学習と認識（2）：パターン認識と教師あり学習
機械学習の共通問題、パターン認識、教師あり学習の基礎
13[対面/face to face]：総合演習（1）
Pythonによる決定木とSVMの実装と実験
14[対面/face to face]：総合演習（2）
メカニズムデザイン
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・復習等の授業時間外学習は4時間を標準とします。授業中に取り組む演習問題の復習を宿題とします。
テキスト（教科書）Textbooks
谷口忠大（2020）イラストで学ぶ人工知能概論改定第2版（講談社）
参考書References
各授業の最後に参考文献や発展的内容に関するキーワードを紹介します。
成績評価の方法と基準Grading criteria
期末テスト（70％）と授業内小テスト（30％）で評価します。
学生の意見等からの気づきChanges following student comments
数値例を増やす。社会とのつながりをより強調する。授業内小テストで提出忘れを未然に防ぐ仕様に変更する。
学生が準備すべき機器他Equipment student needs to prepare
プログラミング演習の時間があります。Python（Jupyter Notebook か Colaboratory）を使いますのでご準備ください。