シラバス参照

授業情報／Course information

科目名／Course: 人工知能Ⅰ／Artificial Intelligence I
科目一覧へ戻る 2025/09/12 現在

授業基本情報
科目名（和文）
／Course		 人工知能Ⅰ
科目名（英文）
／Course		 Artificial Intelligence I
時間割コード
／Registration Code		 21272001
学部（研究科）
／Faculty		 情報工学部
学科（専攻）
／Department		 情報通信工学科
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○岩橋　直人
オフィスアワー
／Office Hour		 岩橋　直人(毎水曜日15時から16時)
開講年度
／Year of the Course		 2025年度
開講期間
／Term		 後期
対象学生
／Eligible Students		 2年
単位数
／Credits		 2.0
授業概要情報
更新日
／Date of renewal		 2025/03/11
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 人工知能の分野を概観しつつ，その導入レベルについて理解する．python を使って、人工知能プログラミングを学ぶ。
履修に必要な知識?能力?キーワード
／Prerequisites and Keywords		 確率?統計の基本的知識
キーワード：人工知能、探索、ベイズ理論、多段階決定、クラスタリング、学習、認識
履修上の注意
／Notes		 アクティブラーニング形式で授業を行います。授業の前に各自予習をし、授業では、不明点についての質問への開設と演習問題を行います。各自のノートPCを使用します。
教科書
／Textbook(s)		 教科書として，以下の書籍を用いる.
イラストで学ぶ 人工知能概論 改訂第2版、谷口忠大著、講談社、2600円（税抜）
参考文献等
／References
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework
資格等に関する事項
／Attention Relating to Professional License
アクティブラーニングに関する事項
／Attention Relating to Active Learning		 アクティブラーニング形式で授業を行います。授業の前に各自予習をし、授業では、不明点についての質問への開設と演習問題を行います。各自のノートPCを使用します。
実務経験に関する事項
／Attention Relating to Operational Experiences		 ソニー（株）にて、現在全世界で普及しているオーディオコーディングを開発し基本特許を取得した。また、ソニーの日本、アメリカ、ドイツの研究所からなる全社的プロジェクトを統括し、音声翻訳の研究?開発を行った。さらに、産官学共同研究機関である国際電気通信基礎技術研究所にて、先進的な音声合成方法を開発し、情報技術で世界最高峰のベル研究所に技術供与した。その他、ロボカップ世界大会優勝2回など。
本科目は「実務経験のある教員による授業科目」又は「主として実践的教育から構成される授業科目」である。
その内容等については、次のアドレスの一覧表を参照。
/guide/guide_detail/index/1860.html
備考
／Notes		 本科目は「実務経験のある教員による授業科目」又は「主として実践的教育から構成される授業科目」である。
その内容等については、次のアドレスの一覧表を参照。
/guide/guide_detail/index/1860.html
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配付資料
／Handouts
1 1 [人工知能をつくり出そう]
?人工知能とは何か？を学ぶ。
?人工知能の歴史を学ぶ。
?人工知能の基本問題を学ぶ。		 教科書の予習復習
2 2 [状態空間と基本的な探索]
?状態空間表現を学ぶ。
?迷路からの状態空間構成を学ぶ。
?基本的な探索を学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
3 3 [最適経路の探索（１）]
?最適経路の探索とヒューリスティックな知識を学ぶ。
?最適探索を学ぶ。
?最良優先探索を学ぶ。
?A*アルゴリズムを学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
4 4 [最適経路の探索（２）]
?最適経路の探索とヒューリスティックな知識を学ぶ。
?最適探索を学ぶ。
?最良優先探索を学ぶ。
?A*アルゴリズムを学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
5 5 [ゲームの理論（１）]
?利得と回避行動を学ぶ。
?標準型ゲームを学ぶ。
?展開型ゲームを学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
6 6 [ゲームの理論（２）]
?利得と回避行動を学ぶ。
?標準型ゲームを学ぶ。
?展開型ゲームを学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
7 7 [多段階決定（１）]
?多段決定問題を学ぶ。
?動的計画法を学ぶ。
?例として編集距離の計算を学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
8 8 [多段階決定（２）]
?多段決定問題を学ぶ。
?動的計画法を学ぶ。
?例として編集距離の計算を学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
9 9 [確率とベイズ理論の基礎（１）]
?環境の不確実性を学ぶ。
?確率の基礎を学ぶ。
?ベイズの定理を学ぶ。
?確率システムを学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
10 10 [確率とベイズ理論の基礎（２）]
?環境の不確実性を学ぶ。
?確率の基礎を学ぶ。
?ベイズの定理を学ぶ。
?確率システムを学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
11 11 [学習と認識（１）：クラスタリング]
?クラスタリングを学ぶ。
?K-means法を学ぶ。
?混合ガウス分布を学ぶ。
?階層的クラスタリングを学ぶ。
?低次元化を学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
12 12 [学習と認識（２）：クラスタリング]
?クラスタリングを学ぶ。
?K-means法を学ぶ。
?混合ガウス分布を学ぶ。
?階層的クラスタリングを学ぶ。
?低次元化を学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
13 13 [学習と認識（３）：パターン認識]
?機械学習の基礎を学ぶ。
?パターン認識を学ぶ。
?回帰問題を学ぶ。
?分類問題を学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
14 14 [学習と認識（４）：パターン認識]
?機械学習の基礎を学ぶ。
?パターン認識を学ぶ。
?回帰問題を学ぶ。
?分類問題を学ぶ。		 教科書の予習復習
講義で学んだアルゴリズムをpython で実装する
15 15 [まとめ：知能を「つくる」ということ]
?身体の知について学ぶ。
?記号の知について学ぶ。
?人工知能と未来について学ぶ。		 教科書の予習復習
16 16 [期末試験]
全体の内容について試験を行う．
授業評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識?理解
／Knowledge & Undestanding		 技能?表現
／Skills & Expressions		 思考?判断
／Thoughts & Decisions		 伝達?コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 探索の初歩的内容について知り，それを計算機によって実現することができる程度まで理解することができる（E） ○
2 多段階決定の初歩的内容について知り，それをpythonによって実現することができる（E） ○
3 学習と認識の初歩的内容について知り，それをpythonによって実現することができる（E） ○
4 積極的な授業への参加することができる（E） ○ ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 受講態度 定期課題
1 探索の初歩的内容について知り，それを計算機によって実現することができる程度まで理解することができる（E） ○ ○
2 多段階決定の初歩的内容について知り，それをpythonによって実現することができる（E） ○ ○
3 学習と認識の初歩的内容について知り，それをpythonによって実現することができる（E） ○ ○
4 積極的な授業への参加することができる（E） ○
評価割合（％）
／Allocation of Marks		 60 20 20

科目一覧へ戻る