授業情報/Course information

開講学期/Course Start 2023年度/Academic Year   後期/Second
開講曜限/Class period 水/Wed 5 , 水/Wed 6
授業区分/Regular or Intensive 週間授業
対象学科/Department システム理化学科数理情報システムコース
対象学年/Year 3年 , 4年
授業科目区分/Category 教育課程 システム理化学科
必修・選択/Mandatory or Elective 選択
授業方法/Lecture or Seminar 講義科目
授業科目名/Course Title 人工知能/Artificial Intelligence
単位数/Number of Credits 2
担当教員名/Lecturer 工藤 康生 (システム理化学科数理情報システムコース)
時間割コード/Registration Code J4149
連絡先/Contact 工藤 康生(工藤康生(V408
0143-46-5469
yask@muroran-it.ac.jp
*@を小文字に変更してください。) )
オフィスアワー/Office hours 工藤 康生(工藤康生(水曜日 16:30-17:30) )
実務経験/Work experience
更新日/Date of renewal 2023/09/06
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,人工知能に関わる知識情報処理として,「探索による問題解決」に焦点を絞り,基礎的な概念および手法について学ぶ.また,各種の探索アルゴリズムを実装し検証する.
到達度目標
/Outcomes Measured By:
1.探索に関する基礎的な概念・手法を理解する.(理解力)
2.探索に関する基礎的な概念・手法をプログラムとして実装し,問題解決に用いることができる.(応用力)
授業計画
/Course Schedule
総授業時間数:24時間(15回×90分)

1週目 ガイダンス,人工知能の概要と歴史
2週目 問題の表現,問題解決プロセス
3週目 系統的探索:横形探索,縦形探索
4週目 反復深化探索,探索の複雑さ,節点の評価
5週目 分岐限定法,山登り法,最良優先探索
6週目 A*アルゴリズム
7週目 ゲームの木の探索:ミニマックス法,α-β法
8週目 Python3入門(1):基本的なデータ構造と構文
9週目 Python3入門(2):クラスと継承
10週目 系統的探索の実装(1):ひな形プログラムの解説
11週目 系統的探索の実装(2):横型探索、縦形探索
12週目 評価関数を利用した探索の実装(1):ひな形プログラムの解説
13週目 評価関数を利用した探索の実装(2):A*アルゴリズム
14週目 評価関数を利用した探索の実装(3):発展課題(最良優先探索、分岐限定法)
15週目 発展課題,レポート作成
(16週目 期末試験)

教科書を予習していることを前提として講義を行うので,必ず予習すること.
Python3の文法の詳細については,各自で自習することが望ましい.

各回の学修時間の目安は,事前・事後合わせて4時間必要です.
教科書
/Required Text
新人工知能の基礎知識 太原育夫著  近代科学社 2008(ISBN:9784764903562)
参考書等
/Required Materials
AIによる大規模データ処理入門 小高知宏著 オーム社 2013(ISBN:9784274069260)
詳細! Python 3 入門ノート 大重美幸著 ソーテック社 2017(ISBN:9784800711670)
入門Python3 Bill Lubanovic著 オライリー・ジャパン 2015(ISBN:9784873117386)
成績評価方法
/Grading Guidelines
期末試験(50点満点)および演習レポート(50点満点)の合計で60点以上を合格とする.
期末試験を受験し演習レポートを提出したが,不合格だった学生に対して,1回だけ再試験を行う.
再試験の合格者の成績は60点とする.
演習レポートの再提出を課す場合がある.
履修上の注意
/Notices
不合格の場合は再履修すること.
教員メッセージ
/Message from Lecturer
・講義の中で,集合論およびグラフ理論,データ構造など,「情報数学」および「データ構造とアルゴリズム」で学んだ内容を用いる.必要な部分の説明は講義の中で行うが,あらかじめ復習しておくことが望ましい.
・授業前半の講義部分では,その回のまとめとなる演習課題を課す.
学習・教育目標との対応
/Learning and Educational Policy
この授業科目は数理情報システムコースの学習目標の以下の項目に対応している.
5.自然科学と工学の基礎知識を身につける。
関連科目
/Related course
「情報数学」および「データ構造とアルゴリズム」の内容を習得していることが望ましい.
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません
Active learning 1-1
/主体的学修(反転授業,小テスト,振り返り 等)
座学の講義のほとんどの回で,その回のまとめとなる演習課題を課し,次の回で振り返りとして演習課題の解答・解説を行う.
Active learning 1-2
/上記項目に係るALの度合い
15%~50%
Active learning 2-1
/対話的学修(グループ学習,協働,調査体験 等)
Active learning 2-2
/上記項目に係るALの度合い
該当なし
Active learning 3-1
/深い学修(複数科目の知識の総合化や問題解決型学修 等)
Active learning 3-2
/上記項目に係るALの度合い
該当なし