科目ナンバー

SE-AI2-7C24

履修条件・関連科目等

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

近年、人間の知能のような高度な知的処理を行うシステムが様々な分野で使われており、今後もより高度な知能システムの実現が期待されている。「知能システム工学」の背景には、20世紀後半の人工知能(Artificial Intelligence)を中心とする多様な知能システムの研究、そしてそれらの実用化の歴史がある。人工知能の技術は日常生活の中で様々な形で埋め込まれて使用され、我々にとって必要不可欠な存在となっている。人工知能の研究は極めて多岐にわたるが、本講義では人工知能研究の歩みをたどり、人工知能の代表的な技術と考え方の基礎を学ぶ。人工知能研究は学際的であるため、本講義で学ぶことは経営システム工学科の他の講義科目、例えば、OR、データ解析、最適化手法、ソフトコンピューティング等とも関連が深い。

科目目的

この科目は、学位授与の方針で示す「知識獲得力」および「専門性」を習得することを目的としている。

到達目標

1. 人工知能の歴史や主要な技術の進化について説明し、現状のAI技術を理解できる。
2. グラフ探索やコストを考慮した探索アルゴリズムを理解し、基本的な問題に適用できる。
3. 機械学習の基本理論を理解し、ナイーブベイズや決定木などのアルゴリズムを活用できる。
4. 線形回帰やk近傍法、k-Meansクラスタリングなどの手法を理解し、それらを適切な場面で選択できる。
5. 自然言語処理や画像解析、音声認識といったAIの主要な応用分野について、それぞれの基礎を理解できる。

授業計画と内容

第1回　人工知能の歴史
第2回　探索(1): グラフによる探索
第3回　探索(2): コストを考慮した探索
第4回　データ
第5回　データ分析
第6回　機械学習
第7回　ナイーブベイズ
第8回　決定木学習
第9回　線形回帰・k近傍法・アンサンブル学習・k-Meansクラスタリング
第10回　ニューラルネットワーク
第11回　ロボティクス
第12回　自然言語処理
第13回　画像解析
第14回　音声認識

授業時間外の学修の内容

指定したテキストやレジュメを事前に読み込むこと／その他

授業時間外の学修の内容（その他の内容等）

授業開始までに動画を視聴し、manabaで課題を提出すること。

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

出席率および課題の提出率が75%に満たない者はE判定とする。

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

実施しない

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

クリッカー／その他

授業におけるICTの活用方法（その他の内容等）

授業時間外の学修用に動画を配信する。

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

テキスト：特に指定しない。manabaで資料を配布する予定。
参考文献：
・Uday Kamath, John Liu, James Whitaker, "Deep Learning for NLP and Speech Recognition" Springer, 2019.
・Emilia Stones (ed), "Artificial Intelligence: A Modern Approach," Larsen & Keller, 2017.
・Tom Taulli, "Artificial Intelligence Basics, A Non-Technical Introduction, " Apress, 2019.
・加藤浩，浅井紀久夫，"情報理論とデジタル表現" 放送大学教育振興会，2019．
・小林一郎, "人工知能の基礎" サイエンス社, 2008.
・斎藤康毅，ゼロから作るDeep Learning，オライリー・ジャパン，2016
・西川仁，後藤智和，市川治，清水昌平，「テキスト・画像・音声データ分析」講談社，2020．

その他特記事項

参考URL