シラバス
| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科など | 担当教員 | 教員カナ氏名 | 配当年次 | 単位数 |
|---|---|---|---|---|---|---|---|---|
| 応用系人工知能デザイン | 2026 | 後期 | 金2 | 理工学研究科博士課程前期課程 | 鈴木 寿 | スズキ ヒサシ | 1年次配当 | 2 |
科目ナンバー
SG-AI5-8C02
履修条件・関連科目等
情報工学科における必修科目 “知能情報学” 程度の知識があれば，円滑に履修できます．
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
導入時に授業計画を確認します．レポート I の課題である発見的手法を，発見的手法の理解，発見的手法の試行的設計，およびプレゼンテーションにより習得します．レポート II の課題であるカテゴリ分類を，カテゴリ分類の理解，カテゴリ分類の試行的設計，およびプレゼンテーションにより習得します．レポート III の課題である線画解析を，線画解析の理解，線画解析の試行的設計，およびプレゼンテーションにより習得します．レポート IV の課題である帰納推論を，帰納・演繹・発想の理解，帰納推論の試行的設計，およびプレゼンテーションにより習得します．レポート V の課題である演繹推論を，演繹推論の理解，演繹推論の試行的設計，およびプレゼンテーションにより習得します．
科目目的
応用分野において，人のもつ知性の一部を特化して機械上で再現すると共に，そのような機能を増強する基本技術を習得することを目的とします．
到達目標
人工知能の範疇の応用分野において，発見的手法が設計できるようになること，カテゴリ分類が設計できるようになること，線画解析が設計できるようになること，帰納推論が設計できるようになること，演繹推論が設計できるようになること，を到達目標とします．
授業計画と内容
体験を通じて課題発見型の学習，試行的設計を通じて課題解決型の学習，プレゼンテーションを通じてグループワークを実施します．実施状況は manaba 上で管理します．
第 1 回: 発見的手法の理解
第 2 回: 発見的手法の試行的設計
第 3 回: 発見的手法の試行的設計のプレゼンテーションおよび評価
第 4 回: カテゴリ分類の理解
第 5 回: カテゴリ分類の試行的設計
第 6 回: カテゴリ分類の試行的設計のプレゼンテーションおよび評価
第 7 回: 線画解析の理解
第 8 回: 線画解析の試行的設計
第 9 回: 線画解析の試行的設計のプレゼンテーションおよび評価
第 10 回: 帰納・演繹・発想の理解
第 11 回: 帰納推論の試行的設計
第 12 回: 帰納推論の試行的設計のプレゼンテーションおよび評価
第 13 回: 演繹推論の理解
第 14 回: 演繹推論の試行的設計のプレゼンテーションおよび評価
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／授業終了後の課題提出／その他
授業時間外の学修の内容（その他の内容等）
授業内容の理解と試行的設計のために題材を調査し，レポートの内容を計画し，プログラミングし，およびレポートを作成します．
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
| 種別 | 割合（％） | 評価基準 |
|---|---|---|
| レポート | 90 | 各レポート最大 18 点を 5 本提出することにより 90 点として評価し，発見的手法が設計できること (第 1～3 回に対応するレポート I およびプレゼンテーション，最大 18 点)，カテゴリ分類が設計できること (第 4～6 回に対応するレポート II およびプレゼンテーション，最大 18 点)，線画解析が設計できること (第 7～9 回に対応するレポート III およびプレゼンテーション，最大 18 点)，帰納推論が設計できること (第 10～12 回に対応するレポート IV およびプレゼンテーション，最大 18 点)，および演繹推論が設計できること (第 13・14 回に対応するレポート V およびプレゼンテーション，最大 18 点) を達成基準とします． |
| その他 | 10 | プレゼンテーションにより 10 点として評価し，研究会等における学生セッション程度の質であることを達成基準とします． |
成績評価の方法・基準（備考）
全回合計が満点の 60 ％以上のとき合格，60 ％未満のときは不合格です．
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／授業時間に限らず、manabaでフィードバックを行う
課題や試験のフィードバック方法（その他の内容等）
試行的設計の評価時にレポートの点検を受け，必要に応じて改善のうえ再提出できます．各人への一般的なフィードバックは E メールまたは manaba 上の “個別指導 (コレクション)” 経由， “小テスト” と “レポート” については各人各回の “講評” 経由，全員への一般的なフィードバックは “ニュース” または “掲示板” 経由で行います．
アクティブ・ラーニングの実施内容
PBL（課題解決型学習）／ディスカッション、ディベート／プレゼンテーション／実習、フィールドワーク
アクティブ・ラーニングの実施内容（その他の内容等）
プログラム開発とレポート作成を実施します．
授業におけるICTの活用方法
その他
授業におけるICTの活用方法（その他の内容等）
応用系人工知能をデザインする当授業は，ICT を創出します．
実務経験のある教員による授業
はい
【実務経験有の場合】実務経験の内容
担当教員は，IPA 未踏事業を契機として設立された会社の取締役技術顧問の経験を有します．
【実務経験有の場合】実務経験に関連する授業内容
機械学習の研究開発について知見を取り混ぜつつ学問的本質を伝授します．
テキスト・参考文献等
manaba 上のコースコンテンツから資料をダウンロードできます．
その他特記事項
学部生による先行履修の場合は，内容を理解しないまま形骸的にレポートを提出する状況を予防するべく，欠席のつど 7 点減点します．ただし，追試に準ずるなど合理的な配慮を要する理由による欠席時は，事前に既知のとき常識的な余裕をもって事前に，また事前に不知のときは事後速やかに申し出てください．
参考URL
https://sites.google.com/view/machinepsychology/