2025年度後期知能情報科学応用

曜日・時限	火曜日３時限	期別	後期	週時間数	2
ナンバリング	GP231202
開講学科等	情報通信工学部-情報工学科
教員名	間下　以大間下　以大職務履歴 https://research.osakac.ac.jp/index.php?%e9%96%93%e4%b8%8b%e3%80%80%e4%bb%a5%e5%a4%a7 教員情報データベースに遷移します

目的

本科目では，コンピュータに人間のような高度な判断を行わせる技術である，人工知能および機械学習について，人工知能の基本的な技術やデータ関する知識，人工知能の倫理的課題について学ぶ．

授業計画

授業回	形式	学修内容	学修課題
1	Ａ	ガイダンス　人工知能の概要・人工知能とは・講義の概要・課題と講義の説明	事前学修	シラバスを読む，人工知能にできない事について考えておく（1時間）
1	Ａ	ガイダンス　人工知能の概要・人工知能とは・講義の概要・課題と講義の説明	事後学修	人工知能にできない事に関する考察とレポート作成（4時間）
2	Ａ	回帰と最小2乗法	事前学修	第1回の課題作成と提出．線形代数,微分の復習（1時間）
2	Ａ	回帰と最小2乗法	事後学修	講義内容を踏まえたレポート課題の加筆修正（4時間）
3	Ａ	最尤推定法としての最小2乗法　多項式回帰	事前学修	線形代数の復習をしておくこと(1時間)
3	Ａ	最尤推定法としての最小2乗法　多項式回帰	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（4時間）
4	A	k近傍法条件付き確率とベイズの定理	事前学修	確率・統計について復習（2時間）
4	A	k近傍法条件付き確率とベイズの定理	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（3時間）
5	A	確率モデルと識別関数	事前学修	確率・統計と線形代数について復習（1時間）
5	A	確率モデルと識別関数	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（4時間）
6	A	線形判別分析　ニューラルネットワークの基本	事前学修	データ構造に関する復習（1時間）
6	A	線形判別分析　ニューラルネットワークの基本	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（4時間）
7	A	確率的勾配降下法　人工知能と倫理	事前学修	線形代数・微積分に関する復習（1時間）
7	A	確率的勾配降下法　人工知能と倫理	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（4時間）
8	A	人工知能と倫理	事前学修	人工知能の倫理的課題，社会的課題や議論についての調査（2時間）
8	A	人工知能と倫理	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（3時間）
9	A	誤差逆伝播法	事前学修	線形代数・微積分に関する復習（2時間）
9	A	誤差逆伝播法	事後学修	課題に関するフィードバックを最終課題に反映させる（2時間）
10	A	畳み込みニューラルネットワーク	事前学修	畳み込み積分に関する復習（2時間）
10	A	畳み込みニューラルネットワーク	事後学修	第1回の課題で考えた内容について，必要なデータ量について考察しておく（2時間）
11	A	系列，集合，グラフのためのニューラルネットワーク	事前学修	グラフに関する復習（2時間）
11	A	系列，集合，グラフのためのニューラルネットワーク	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（2時間）
12	A	データが少ない場合の学習	事前学修	教師なし学習に関する予習（2時間）
12	A	データが少ない場合の学習	事後学修	講義内容を復習し，講義内容を踏まえたレポート課題の加筆修正（2時間）
13	A	生成モデル	事前学修	近年の生成モデルについての調査（4時間）
13	A	生成モデル	事後学修

授業形式記号

A:一斉授業（通常の講義）
B:問題発見・解決学習、プロジェクト学習
C:体験、実験、実習、演習など

D:調査分析、解析など
E:ものづくり、作品制作
F:グループワーク（ディスカッション・ディベートを含む）

G:プレゼンテーション
H:地域・企業　連携型学習
I:その他

到達目標

〇2024年度以降の入学生
下記リンク先のカリキュラム・マップを参照
URL：https://www.osakac.ac.jp/about/policy/faculty/

〇2023年度以前の入学生
　○修得すべき資質・能力：知識・理解力、応用力【DP-P-1-1】
　・人工知能，深層学習，機械学習の基礎となる技術やアーキテクチャについて理解し，説明できる．
　・人工知能を利用するためのデータや計算資源に関する条件および倫理的課題について理解し，説明できる．
　・人工知能を応用するための課題について多面的な考察ができる．

評価方法と評価観点

評価方法	配点合計	知識・理解力	応用力	コミュニケーション力	態度・志向性	創造力	合計
定期試験またはレポート試験							0%
小テスト、小論文							0%
グループワーク							0%
プレゼンテーション							0%
レポート、宿題	95%	50%	50%				100%
授業での姿勢（ノート、質疑など）	5%	50%	50%				100%
作品、パフォーマンス（実技、実演）							0%
その他1(具体的に：							0%
その他2(具体的に：							0%
	100%	50%	50%	0%	0%	0%	100%

教科書・参考書

参考書，参考文献を講義中に適宜，紹介する．教科書は特に指定しない．
授業で用いるパワーポイントのシートを基本，配布資料（ＰＤＦファイル）として提供する．

オフィスアワー

オフィスアワー：金曜日５限，A-S243(教員室24）．
学内外の用務のため，オフィースアワーでも教員がA-S243(教員室24）に不在の可能性があります．

その他

第一回の講義で人工知能にできない事とその理由についてレポート課題を出します．その後，講義で学んだ内容や自ら調査した内容を踏まえて第一回の課題を加筆修正していき，最終的なレポートとして提出してもらいます．最終課題を提出しない場合は単位を認めません．

実務経験のある教員による授業科目

戻る