公開用HTML

AI基礎〈R5-入学〉


授業コード（科目ナンバリングコード）	501257-01 （01601）	授業科目名	AI基礎〈R5-入学〉	担当者	廣瀬　誠

開講期間	秋学期	単位数	2	学年	3
区分
ｱｸﾃｨﾌﾞﾗｰﾆﾝｸﾞ	PBL、グループ・ディスカッション、グループワーク
実務経験	高専教員
備考

【授業目的】

　本授業では、人工知能（AI: Artificial Intelligence）の基礎を、歴史的な背景から学び、現在実用化が進んでいる生成AIに至る経緯を理解することを目的とする。また、AIの利用に伴う著作権や倫理的な課題など、社会的な側面についても学び、さまざまなAI手法がどのような分野に応用可能かを考察する。
　学習にあたっては、理論だけでなく、プログラミング言語Pythonを用いた実践を通じて、AIの開発において重要な要素（効果的かつ効率的な識別器の作成など）や、実用化に必要な知識を身につける。特に、実践では画像処理を中心とした内容を扱う。

【授業内容】

第 1 回	実施日
事前学習シラバスを読んでおく。20分程度。	授業内容・AIのブームと歴史第1次AIブーム、第2次AIブーム、そして現在の第3次AIブームに至るまでの歴史を学ぶ。	事後学習授業内容の復習。AIの歴史に関する課題。30分程度。	参考文献
第 2 回	実施日
事前学習今回内容の予習。AIの種類について事前調査しておく。30分程度。	授業内容・AIの種類と社会への応用汎用型AIと特化型AIの違い、一般的な機械学習とディープラーニングの違いを理解する。また、著作権の観点や利用者の視点から、AIの倫理的課題について学ぶ。	事後学習授業内容の復習。AIの種類に関する課題。30分程度。	参考文献
第 3 回	実施日
事前学習 Jupyter Notebook（Google Colab）を利用できるようにしておく。 Pythonコードが実行できるようにしておく。30分程度。	授業内容・Pythonの基礎 Jupyter Notebook (Google Colab)の基本的な使用方法を理解し、基本的な操作とPythonプログラミングの基礎を学ぶ。	事後学習 Google Colabを用いたPythonプログラミングの課題。30分程度。	参考文献
第 4 回	実施日
事前学習 Pythonの基礎的な処理を理解しておく。30分程度。	授業内容・Pythonによる科学計算確率・統計などの数学に関する基礎および物理演算に関する基礎を理解し、Pythonプログラミングにより実践する。	事後学習数学および物理で利用する数式をPythonプログラムで記述する課題。30分程度。	参考文献
第 5 回	実施日
事前学習 Pythonプログラミングの復習をしておく。30分程度。	授業内容これまでのまとめ	事後学習 Pythonによるプログラミングの課題。30分程度。	参考文献
第 6 回	実施日
事前学習 Pythonのライブラリについて事前調査しておく。30分程度。	授業内容・データ分析用ライブラリの利用方法 AI分野で使用されるデータ分析用ライブラリを理解し、プログラミングの実践を通して利用方法を学ぶ。	事後学習 Pythonのライブラリを用いたプログラミングの課題。30分程度。	参考文献
第 7 回	実施日
事前学習 Pandasについて事前調査しておく。30分程度。	授業内容・データ加工処理 Pandasを用いて、データを扱いやすくする方法を学ぶ。	事後学習 Pandasを用いたデータ加工の課題。30分程度。	参考文献
第 8 回	実施日
事前学習 Matplotlibについて事前調査しておく。30分程度。	授業内容・データ可視化 Matplotlibを用いて、グラフなどによる可視化方法を学ぶ。	事後学習 Matplotlibを用いた可視化の課題。30分程度。	参考文献
第 9 回	実施日
事前学習教師なし学習について事前調査しておく。30分程度。	授業内容・教師なし学習 k-means法などの基礎を理解し、Pythonプログラムにより実践する。	事後学習教師なし学習に関する課題。30分程度。	参考文献
第 10 回	実施日
事前学習 Pythonライブラリの利用方法について復習しておく。30分程度。	授業内容これまでのまとめ	事後学習 Pythonのライブラリを用いたプログラミングの課題。30分程度。	参考文献
第 11 回	実施日
事前学習回帰分析、決定木について事前調査しておく。30分程度。	授業内容・教師あり学習回帰分析、決定木の基礎を理解し、Pythonプログラミングにより実践する。	事後学習回帰分析、決定木の実践課題。30分程度。	参考文献
第 12 回	実施日
事前学習深層学習について事前調査しておく。30分程度。	授業内容・ディープラーニング1 深層学習の基礎を理解し、画像の分類についてPythonプログラムにより実践する。	事後学習深層学習を用いた画像分類の実践課題。30分程度。	参考文献
第 13 回	実施日
事前学習画像からの物体抽出について事前調査しておく。30分程度。	授業内容・ディープラーニング2 深層学習による、画像からの物体抽出についてPythonプログラムにより実践する。	事後学習画像からの物体抽出に関する実践課題。30分程度。	参考文献
第 14 回	実施日
事前学習強化学習について事前調査しておく。30分程度。	授業内容・強化学習強化学習の基礎を理解し、ゲームを題材にPythonプログラムにより実践する。	事後学習強化学習に関する実践課題。30分程度。	参考文献
第 15 回	実施日
事前学習筆記試験の勉強	授業内容・筆記試験	事後学習特になし。	参考文献
第 16 回	実施日
事前学習最近のAIについて事前調査しておく。30分程度。	授業内容・総復習筆記試験のフィードバック。生成AIと今後の展望について。	事後学習得になし。	参考文献

【到達目標】

認知的領域：　AIに関する歴史やさまざまな手法について、その利点と欠点を説明できる。また、現代社会におけるAIの応用方法を提案できる。さらに、AIを活用した新しい事例を創造することができる。
情意的領域：　AIを活用する際のデータについて、AIの開発者および利用者の視点に立ち、著作権や倫理的な側面を理解し、指導できる。
精神運動的領域：　Pythonを用いて代表的なAI手法のモデルを構築できる。また、それらを活用して社会の諸問題に取り組み、その可能性を検証できる。

【ﾃﾞｨﾌﾟﾛﾏ・ﾎﾟﾘｼｰ】

（R5-）
関連するディプロマ・ポリシー＝DP3：社会において必要とされる知識・技能と、課題解決のための思考力・判断力・表現力等の汎用的な能力を備えている。

【授業形態】

講義および演習。講義では、一部グループディスカッションやプレゼンテーションを行う。演習では、一部グループワークやプレゼンテーションを取り入れる。また、授業後に理解を深めるための課題を課す場合がある。

【教科書】

【注文書籍】

【参考書】

【成績評価の方法】

以下の割合で評価し、これらの合計を本科目の総合評価とする。
・筆記試験：　40%
・講義内の演習、グループディスカッション、プレゼンテーション：　30%
・講義後の課題、レポート：　30%

【成績評価の基準】

到達目標の内容をほぼ完全に理解し、説明できる。……90~100点
到達目標の内容を十分に理解し、説明できる。……80~89点
到達目標の内容の基幹部分を理解し、説明できる。……70~79点
到達目標の内容の最低限の部分を理解し、説明できる。……60~69点
到達目標に及ばない。……0~59点

【受講学生への要望】

①　授業中、大事なポイントをメモすること
②　予習と復習を行うこと
③　積極的に質問すること

【履修注意】

・Pythonによる演習はノートパソコンが必要です。
・教科書は独自資料を利用する。参考書は講義内で述べる。