閉じる


学習支援計画書の照会

授業科目区分 科目名 単位数 科目コード 開講時期 履修方法
修学基礎教育課程
人間形成基礎科目
生涯学習
生涯学習特別講義(AI応用T)(夏期集中講義)
1 G467-01 1期(前学期) 修学規程第4条を参照

担当教員名 研究室 内線電話番号 電子メールID オフィスアワー



授業科目の学習教育目標
キーワード 学習教育目標
1. 人工知能
2. 機械学習
3. 深層学習
4. ニューラルネットワーク
5. 画像認識
機械に知能を持たせ、人間の持つ優れた認知・情報処理を実現する人工知能は、ICT社会の
さまざまな領域で益々その重要性を増している。本科目では、人工知能の中心技術である深
層学習(ディープラーニング)の基礎、画像認識分野で幅広く活用されている畳み込みニュー
ラルネットワークや時系列データを処理するためのリカレントニューラルネットワークの仕
組みと活用法などを実践的に学び、知能システムの実現に向けて重要な技術となる深層学習
やその応用システムについての理解を深める。

授業の概要および学習上の助言
本科目では、人工知能の中心技術である深層学習(ディープラーニング)の基礎から応用までを扱う。深層学習の基礎、畳み込
みニューラルネットワーク(CNN, Convolutional Neural Network)、リカレントニューラルネットワーク(RNN, Recurrent Neu
ral Network)の仕組みと活用法などについて学び、それらの手法およびモデルに基づく応用システムを構築して評価する。以
上の授業内容を通じて、深層学習の応用システムの構築方法や課題を評価でき、深層学習の応用が適した現実の問題に対応で
きる実践的な能力を修得することを期待する。

教科書および参考書・リザーブドブック
教科書:PythonとKerasによるディープラーニング[マイナビ出版]
参考書:イラストで学ぶディープラーニング[講談社]、ゼロから作る Deep Learning[オライリー・ジャパン]、ゼロから作る
     Deep Learning A[オライリー・ジャパン]
リザーブドブック:指定なし

履修に必要な予備知識や技能
プログラミング経験者であることが望ましい。Pythonについては、関連書籍、関連情報、関連プログラムを参照しながら、基
本的なプログラムの処理概要を理解し、説明できればよい。

学生が達成すべき行動目標
No. 学科教育目標
(記号表記)
 
@ D 深層学習の基本的な機能を理解し、説明できる。
A D 深層学習の典型的な手法およびディープニューラルネットワークモデルを理解し、説明できる。
B D CNN、RNNのモデルを実装し、それらの応用システムを構築できる。
C D CNN、RNNのモデルおよびそれらの応用システムを評価し、性能向上に向けたチューニングができる。
D D さまざまな深層学習の応用システムを評価できる。
E    

達成度評価
指標と評価割合 \ 評価方法 試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 0 0 50 50 0 0 0 100
総合力指標 知識を取り込む力 0 0 30 20 0 0 0 50
思考・推論・創造する力 0 0 20 20 0 0 0 40
コラボレーションとリーダーシップ 0 0 0 0 0 0 0 0
発表・表現・伝達する力 0 0 0 10 0 0 0 10
学習に取組む姿勢・意欲 0 0 0 0 0 0 0 0

評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験 @  
 
A  
B  
C  
D  
E  
小テスト クイズ @  
 
A  
B  
C  
D  
E  
レポート @
レポートにより、その理解度を評価する。
A
B
C
D
E  
成果発表(口頭・実技) @
レポートについての成果発表と討議により、達成レベルを評価する。
A
B
C
D
E  
作品 @  
 
A  
B  
C  
D  
E  
ポートフォリオ @  
 
A  
B  
C  
D  
E  
その他 @  
 
A  
B  
C  
D  
E  

具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
標準的な達成レベルに加えて、研究課題に挑戦し、深層学習の
応用システムを構築、評価できる。
深層学習の基本的機能を理解、説明でき、その機能を用いた典
型的な応用システムを構築、評価できる。

授業明細

回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分
1
授業ガイダンス
環境構築
ディープラーニングとは何か
実務家教員による講義・演習
・討論
教科書第1章の予習と復習
120
2
予習:ニューラルネットワークの数学的要素
実務家教員による講義・演習
・討論
教科書第2章の予習と復習
120
3
入門:ニューラルネットワーク
実務家教員による講義・演習
・討論
教科書第3章の予習と復習
120
4
機械学習の基礎
実務家教員による講義・演習
・討論
教科書第4章の予習と復習
120
5
コンピュータビジョンのためのディープラーニング
実務家教員による講義・演習
・討論
教科書第5章の予習と復習
120
6
テキストとシーケンスのためのディープラーニング
実務家教員による講義・演習
・討論
教科書第6章の予習と復習
120
7
成果発表およびレポート提出
発表・討論
成果発表準備と総復習
120