授業の概要
|
|
近年、AIは画像認識・自然言語処理・データ予測など、多くの分野で活用され、日常生活やビジネスに欠かせない技術となっている。本科目では、それらのAI技術の基礎を学び、Pythonを用いて実際にAIを動かしながら その仕組みを理解することを目的とする。 授業の第2週から第4週では、AIの実装に必要なPythonの基本スキルを学び、プログラムを作成する。第5週から第8週では、画像認識 の技術を学び、画像分類・物体検出・顔認識を実装しながら、AIがどのように視覚情報を処理するのかを体験する。第9週から第11週では、自然言語処理と予測モデルを学び、テキスト処理・チャットボット作成・データ分析を実践する。第12週では、学んだ内容の振り返りとAIの応用アイデアを考え、第13週では実際にAIを活用したサービスを開発する。最後に、第14週では成果をまとめ、フィードバックを受ける。 本科目は、AIの理論よりも実践を重視しているが、理論を理解することも重要である。授業ではAIの基本的な概念を扱うが、より深い理論を学びたい場合は、書籍や論文を参考にすることで知識を補完できる。AIの技術を「動かしながら学ぶ」ことを通じて、実際の応用方法を考えられる力を養うことを目指す。
|
|
|
この科目の到達目標
|
|
・Pythonについて理解し、プログラムを作成することができる。 ・AIの代表的な技法「画像検出」について理解し、基本的なプログラムについて説明することができる。 ・AIの代表的な技法「自然言語処理」の概要について理解し、基本的な手法について説明することができる。 ・AIの特徴を理解し、サービスを提案することができる。
|
|
|
成績評価の方法
|
|
| |
授業出席、授業外学習、小テスト、提出課題により総合的に評価する。
|
|
|
|
|
評価方法
|
割合
|
評価のポイント
|
|
|
|
|
授業出席
|
10
%
|
授業への参画度を評価する(全出席を基本とする)。
|
|
|
|
|
授業外学習
|
20
%
|
毎回の授業の復習内容を確認する。指示、および、提出はmanabaにて行う。
|
|
|
|
|
小テスト
|
10
%
|
第12回に理解度確認テストを行う。
|
|
|
|
|
提出課題
|
60
%
|
毎回の演習課題、および、総合演習により各回の授業内容の理解度を確認する。
|
|
|
|
|
定期試験
|
0
%
|
実施しない
|
|
|
|
|
(合計)
|
100
%
|
_
|
|
|
|
授業項目
|
|
| |
週
|
授業項目
|
|
1.
|
科目の概要 AIについて AIプログラミングについて
|
|
2.
|
プログラミングの基礎①
|
|
3.
|
プログラミングの基礎②
|
|
4.
|
プログラミングの基礎③
|
|
5.
|
画像分類の基礎
|
|
6.
|
転移学習でオリジナル分類機を作る
|
|
7.
|
物体検出・顔認証を試す
|
|
8.
|
誤認識・バイアスについて考える
|
|
9.
|
自然言語処理の基礎
|
|
10.
|
簡易的なチャットボットを作る
|
|
11.
|
予測モデルの基礎
|
|
12.
|
小テスト AIを使ったサービスを考える
|
|
13.
|
サービスの実装
|
|
14.
|
まとめとフィードバック
|
|
|