|
開講学期 Course Start |
2014年度 後期 |
|
授業区分 Regular or Intensive |
集中講義 |
|
対象学科 Department |
情報電子工学系学科 情報システム学コース コンピュータ知能学コース |
|
対象学年 Year |
3 |
|
必修・選択 Mandatory or Elective |
選択 |
|
授業方法 Lecture or Seminar |
講義 |
|
授業科目名 Course Title |
人工知能 |
|
授業科目名(英語) Course Title |
[授業科目名(英語)] |
|
単位数 Number of Credits |
2 |
|
担当教員 Lecturer |
福多賢太郎（窓口： 岡田吉史） |
|
教員室番号 Office |
V402 |
|
連絡先(Tel) Telephone |
46-5408 |
|
連絡先(E-mail) |
okada[at]csse.muroran-it.ac.jp [at]を@に変えてください． |
|
オフィスアワー Office Hour |
水曜日16:30～17:30 |
|
授業のねらい Learning Objectives |
人工知能は、「知的に振る舞う」システムを実現することを目標とする研究分野であり、その内容は非常に幅広い。本講義では、まず、人工知能に関わる知識情報処理を俯瞰し、「探索による問題解決」と「論理による知識表現と推論」について基礎的な概念と手法を知る。その後は、「不確実性」を伴った知識表現と推論手法に焦点を絞り、隠れマルコフモデルとベイジアンネットワークについて、基礎的な概念と手法を学習する。 |
|
到達度目標 Outcomes Measured By: |
1. 人工知能の役割と歴史、基礎技術と応用分野について説明できる。 2. 計算機を用いた「知識表現と推論」について、そのための手法や問題点・課題などに関して説明できる。 3. 人工知能における不確実性の取り扱いの重要性に関して、人工知能の歴史や古典的な人工知能の手法と併せて、説明することができる。 4. マルコフモデルおよび隠れマルコフモデルを理解し、パラメータの学習と事象系列の推定を行うことができる。 5. ベイジアンネットワークを理解し、グラフ構造の作成と、条件付確率および結合確率の計算をとおして、推論（知識）を導くことができる。 |
|
授業計画 Course Schedule |
総授業時間数：90分×15回=1350分（集中講義のため3日間で実施） 3日間の授業計画は下記のとおりである。 1日目（1週～5週）： 人工知能とは何か？について理解を深める。人工知能に求められていることは何か。人工知能は工学的にどのように実装されて、どのような分野に使われているのかを知る。人工知能が取り扱ってきた古典的な問題である「探索問題」を通じて、問題の記述法、解決法を学ぶ。 2日目（6週～10週）： 計算機による知識表現の方法と推論の手法について学ぶ。その後、不確実性モデリングの１手法である隠れマルコフモデル（HMM）について学習する。 3日目（11週～15週）： 不確実性モデリングの１手法であるベイジアンネットワークについて学習する。最後に本講義のまとめとレポート課題へ向けた演習課題を行う。 1週：ガイダンス 2週：人工知能の役割と歴史 3週：人工知能の基礎技術と応用分野 4週：小テスト① 5週：探索における問題解決 6週：知識と推論1 論理による知識の表現と推論 7週：知識と推論2 不確実な知識表現と確率推論 8週：隠れマルコフモデル1（確率過程、マルコフ過程、マルコフモデル） 9週：隠れマルコフモデル2（パラメータの学習と事象系列の推定法） 10週：小テスト② 11週：ベイジアンネットワーク1（結合確率分布を用いた推論、ネットワークの学習法） 12週：ベイジアンネットワーク2（厳密推論と近似推論） 13週：先端の研究紹介1 14週：先端の研究紹介2 15週：本講義のまとめ、レポート課題へ向けた演習課題 |
|
教科書 Required Text |
講義中に資料を配布する。 |
|
参考書 Required Materials |
講義中に配布される資料に記載する。 |
| 教科書・参考書に関する備考 | 講義中に配布する資料を教科書の代わりに使用する。 |
|
成績評価方法 Grading Guidelines |
集中講義期間中に行う2回の小テスト（それぞれ10点満点）とレポート課題（80点満点）の合計が60点以上を合格とする。 レポートの提出期限（講義中に指示する）は厳守すること。 レポート課題に代わる再試験は実施しない。 各到達度目標に対する評価方法は次のとおりである。 1. 1回目の小テストにおける論述問題によって、達成度を評価する。 2. 2回目の小テストにおける論述問題によって、達成度を評価する。 3. レポート課題における論述問題によって、達成度を評価する。 4. 小テストとレポート課題における論述問題・計算問題によって、達成度を評価する。 5. レポート課題における論述問題・計算問題によって、達成度を評価する。 |
|
履修上の注意 Please Note |
不合格の場合は再履修すること． |
|
教員メッセージ Message from Lecturer |
本講義を理解する上で、2年次のコース科目である「情報数学（特にグラフ理論の理解）、確率・統計、言語処理系論（特に有限オートマトンの理解）」を修得していることが望ましい。 13, 14週の研究事例紹介の一部のトピックにおいては、1年次の学部共通の選択科目である「生物学入門」を学んでいる場合、より深い理解が可能と思われる。 |
|
学習・教育目標との対応 Learning and Educational Policy |
この授業科目は情報電子工学系学科の情報システム学コースとコンピュータ知能学コース の学習目標の以下の項目に対応している． ［コンピュータサイエンス］情報工学の基礎知識と応用能力を身につける。 |
|
関連科目 Associated Courses |
・情報数学（特にグラフ理論の理解） ・確率・統計 ・言語処理系論（特に有限オートマトンの理解） |
|
備考 Remarks |