知能情報プログラミング
Intellectual Information Engineering

授業科目区分

専門科目
専門科目　情報テクノロジーコース

まちラボとわくらぼの使用について：使用しない
選択科目　2単位　3年次　後期

教職課程(情報)選択

担当教員

安藤 友晴

研究室のホームページ,SNSなど

NDC

7.13

科目分類コード

61030

オフィスアワー

時間割決定後に授業等で連絡します。

この科目のキーワード

人工知能/機械学習/自然言語処理/画像認識/Python/統計学

説明に使用する言語

日本語・英語を併用する

使用する教材の言語

日本語・英語で記述された資料を使用する

この科目に必要な日本の文化・事情の知識について

到達目標

まずPythonを用いてデータの統計処理が適切にできるようになること。続いて、自然言語処理および画像認識の実例を通して、機械学習の概要について理解できるようになること。

授業の簡単な概要

この授業ではいわゆる人工知能、つまりコンピュータにあたかも知能をもたせたような振る舞いをさせるための基礎事項について学ぶ。その前提として統計学が必要になるため、まず統計学の基礎について学ぶ。授業全体を通して、Pythonというプログラミング言語を用いてプログラムを作成するが、プログラミング初心者でも受講可能である。

学習内容

  1. 人工知能・機械学習概説
  2. Pythonの基礎 (四則演算・データ構造(リストなど)・関数の定義)
  3. 1次元のデータ(1) データの読み込み・度数分布表・ヒストグラム
  4. 1次元のデータ(2) 平均値・中央値・最頻値・分散・標準偏差
  5. 1次元のデータ(3) 稚内市の人口動態
  6. 2次元のデータ(1) 散布図とクロス表
  7. 2次元のデータ(2) 相関
  8. 2次元のデータ(3) 協調フィルタリングによる寿司ネタの推薦
  9. 2次元のデータ(4) 仮説検定
  10. 自然言語処理(1) 形態素解析と共起
  11. 自然言語処理(2) 係り受け解析
  12. 自然言語処理(3) 機械学習による極性分析
  13. 画像認識(1) パーセプトロンの原理
  14. 画像認識(2) ニューラルネットワークの基礎
  15. 画像認識(3) 深層学習入門
  16. 試験

授業時間外での学修

予習は特に必要としない。授業終了後に毎回課題を出すので、次回授業開始時までに確実に提出すること。

成績評価の基準と方法

・Pythonによるプログラムの読み書きができること ・Pythonを用いた統計処理が適切にできること ・機械学習とは何か理解できていること ・自然言語処理の概要を理解できていること ・画像認識の概要を理解できていること

達成度評価（評価方法：合計100点）

試験：　　　　　 50 / 100
レポート：　　　 / 100
小テスト(中間テストなど含む): / 100
小レポート(中間レポートなどを含む): 50 / 100
作品：　　　　　 / 100
ポートフォリオ： / 100
その他：

教科書・テキスト

指定しない。

参考図書・参考文献等

・Bill Lubanovic著, 斎藤康毅 監訳, 長尾高弘 訳. 入門Python3. オライリー・ジャパン, 2015, 600p. ・斎藤康毅. ゼロから作るDeep Learning. オライリー・ジャパン, 2016, 320p. ・松尾豊. 人工知能は人間を超えるか. 株式会社KADOKAWA, 2015, 263p., (角川EPUB選書,021). ・人工知能学会編著. 人工知能とは. 近代科学社, 2016, 245p.

履修もしくは取得していなければいけない科目

特になし

学習支援

オフィスアワーを活用されたい。また、LMSを用いたディスカッションも歓迎する。

その他この科目を履修するために必要な条件

特になし。