科目名[英文名]
AI入門[Introduction to AI]
担当教員[ローマ字表記]
八柳 祐一[YATSUYANAGI, Yuichi]
科目ナンバー
-----
科目ナンバリングとは
時間割番号
76B10.101
科目区分
-----
講義形態
講義
開講学域等
共通教育
適正人数
95人
開講学期
Q1
曜日・時限
月1
単位数
1単位
授業形態
60単位上限
対象学生
全学生（共通教育科目に係る卒業要件未充足の2年以上優先）
キーワード
データサイエンス，データ駆動，人工知能，パーセプトロン, プログラミング言語 Python
講義室情報
総合教育講義棟 Ｄ５講義室（対面のみ）
開放科目
-----
備考
-----
授業の主題
人工知能技術を元に開発されたアルファ碁がプロ囲碁棋士を破ったのは，2015年のことである。これ以後，第三次の人工知能ブームが訪れた。さらにその後，AmazonのAlexaなどに代表されるスマートスピーカが販売されるなど，生活のなかに人工知能技術が確実に浸透し始めている。これらの技術では，大量のデータを用いてトレーニングを行うディープラーニングが用いられる。
一方，人工知能の第三次のブーム以前から，データから特徴を予測したり，起こる可能性のある事象の生起確率を計算するデータ駆動型技術＝データサイエンスは，様々な分野で使われてきている。たとえば，相関係数や回帰直線，ベイズ推論などが挙げられよう。 これらの歴史から最新のディープラーニングまでを含めた内容を講義では扱う。
学修目標（到達目標）
以下の項目について，知識を習得し理解することを本授業の目標とする。
・多数のデータから何を得ることができるのか
・手法としてどのようなものがあるのか
・手法の変遷
・論理的な思考方法(アルゴリズム)とは何か
・Web上で動作するpython実行環境であるGoogle Colaboratopryの使い方
授業概要
(1) データサイエンスのあらまし，データからの情報抽出技法(ヒストグラム，箱ひげ図，特性値(平均値，分散)，散布図と相関係数)
(2) データサイエンスの手法(クロス集計，回帰分析，ベイズ推論)
(3) 人工知能の誕生(ニューラルネットワーク，機械学習，深層学習の違い，教師あり／なし学習)
(4) 人工知能に限界はあるか？ 基本構成要素であるパーセプトロンを使った実習
(5) Python入門1 電卓としての使用例，変数，定数，if文による分岐
(6) Python入門2 配列と繰返し処理，パーセプトロンの実装
(7) 服飾画像認識1 ニューラルネットワークの定義からデータセットの読込みまで
(8) 服飾画像認識2 データセットを用いた学習と予測
評価方法と割合
評価方法
以下の「標準評価方法」に従う。
Ｓ：達成度90％～100％
Ａ：達成度80％～90％未満
Ｂ：達成度70％～80％未満
Ｃ：達成度60％～70％未満
以上を合格とし、「不可（達成度60％未満）」を不合格とする。
評価の割合
ミニテストを4回実施し，その合計点で評価する
8回の授業のうち、5回以上の出席を必要とする。3回以上欠席した場合、原則として単位を認定しない。
授業時間外の学修に関する指示
予習に関する指示
授業概要に掲載した各回の内容について，言葉の意味をあらかじめ調べて概要を把握しておくこと。
予習に関する教材
オンデマンド教材（授業内容の全体）
復習に関する指示
予習した内容と授業で話した内容について違いがなかったか，確認をすること。
復習に関する教材
オンデマンド教材（授業内容の全体）
教科書・参考書
教科書・参考書補足
授業内で適宜紹介する
オフィスアワー等（学生からの質問への対応方法等）
月曜日 15:00～16:00
履修条件
Wifi接続可能なノートpcを持参すること。
ログイン可能なGoogleアカウント／Microsoftアカウントを用意すること
その他履修上の注意事項や学習上の助言
初回に授業を受けるにあたっての注意事項等を説明するガイダンスを実施するので，必ず出席すること。資料を開くためのパスワードをガイダンスで提示する。メール等での対応は市内ので注意するように。
特記事項
特になし
ページの先頭へ