1. トップ
  2. 学校紹介
  3. 情報公開
  4. 学科情報
  5. シラバス - 科目一覧

シラバス

AIシステム科 2024年度入学生

科目名 人工知能特論 作成日 2024/03/12
区分 必修 実習
開催時期 2年次 後期
講義・演習駒数/週 1駒
実習・実験駒数/週 0駒
合計駒数/週 1駒
総時間数 30時間
総単位数 2単位
企業連携
授業の目的 人工知能の最新の話題(活用事例、製品やサービス、ライブラリ・フレームワーク、理論、など)について学ぶことで、人工知能に対して広い視点を得ることを目的とする。
到達目標 人工知能に関する最新の話題について説明出来る。 人工知能の関連知識について説明出来る。

評価項目 ①定期テスト ②小テスト ③レポート ④課題 ⑤作品 ⑥ポートフォリオ ⑦成果発表 ⑧その他
割合 60% 40%  %  %  %  %  %  %
評価基準
①強化学習について説明出来ること。 ②人工知能に関する最新の話題について説明出来ること。
※上記に示した評価項目の割合(%)を基準に、総合評価点を算出して成績評価を行う。
※出席率が80%未満の場合は、評価対象としない。

担当教員 福田 竜郎
テキスト・参考文献 オリジナルテキスト
実務経験有無  
  
関連科目 卒業研究  履修前提   

授業計画

回数 学習目標 学習項目
1 強化学習とは何かを説明出来る。強化学習の目的を説明出来る。強化学習の基本事項について説明出来る。  強化学習 (1):強化学習とは何かおよびその目的を踏まえた上で、強化学習の基本事項(エージェント、環境、報酬、アクション、など)について学習する。 
【理解度確認】練習問題
2 バンディット問題について説明出来る。イプシロンgreedy法による探索と活用について説明出来る。  強化学習 (2):バンディット問題について学習する。イプシロンgreedy法による探索と活用についての理解を深める。 
【理解度確認】練習問題
3 強化学習のタスクについて説明出来る。報酬設計が出来る。エージェント-環境の相互作用について説明出来る。  強化学習 (3):環境のモデリングについて学習する。具体的には、Markov決定過程、エージェント-環境の相互作用、強化学習のタスクの種類、行動ポリシー、報酬設計、について学習する。 
【理解度確認】練習問題
4 状態価値関数および行動価値関数の定義を記述出来る。状態価値関数と行動価値関数について説明出来る。  強化学習 (4):行動ポリシー、状態価値関数、行動価値関数について学習する。 
【理解度確認】練習問題
5 Bellman方程式について説明出来る。バックアップダイアグラムを描くことが出来る。  強化学習 (5):Bellman方程式とバックアップダイアグラムについて学習する。 
【理解度確認】練習問題
6 動的計画法に基づいた状態価値関数について説明出来る。  強化学習 (6):動的計画法に基づいた状態価値関数の理解を深める。 
【理解度確認】練習問題
7 動的計画法に基づいた状態価値関数について説明出来る。  強化学習 (7):動的計画法に基づいた状態価値関数の理解を深める。 
【理解度確認】練習問題
8 ポリシー反復法および価値反復法について説明出来る。  強化学習 (8):行動ポリシーの改善アルゴリズムについて学習する。ここでは、ポリシー反復法、価値反復法について学習する。 
【理解度確認】練習問題
9 確認テストによって理解を確実なものにする。  これまでの学習内容の確認テストを実施する。 
【理解度確認】確認テスト
10 取り上げたAIに関する理論の概要と動向について説明出来る。  AI理論の動向 (1):AIに関する最新の理論とその動向について解説する。 
【理解度確認】練習問題
11 取り上げたAIに関する理論の概要と動向について説明出来る。  AI理論の動向 (2):AIに関する最新の理論とその動向について解説する。 
【理解度確認】練習問題
12 取り上げたAIに関する理論の概要と動向について説明出来る。  AI理論の動向 (3):AIに関する最新の理論とその動向について解説する。 
【理解度確認】練習問題
13 取り上げたAIに関する理論の概要と動向について説明出来る。  AI理論の動向 (4):AIに関する最新の理論とその動向について解説する。 
【理解度確認】練習問題
14 取り上げたAIに関する理論の概要と動向について説明出来る。  AI理論の動向 (5):AIに関する最新の理論とその動向について解説する。 
【理解度確認】練習問題
15 総合テストによって理解を確実なものにする。  これまでの学習内容の総合テストを実施する。 
【理解度確認】総合テスト