科目名	実践的AI技術
単位数	2.0
担当者	知能工学専攻　教授　原　章
履修時期	前期（第2ターム）
履修対象	2年次以上
講義形態	講義
講義の目的	・人工知能（Artificial Intelligence; AI）の実社会での応用事例を学ぶことにより，AIの利活用の方法を理解する． ・様々なAIの要素技術に関する解説を通じて，個々の技術の概要について理解するとともに，対象とする問題に応じて適切な技術を選択することができるようになる． ・AIの発展とともに生じた社会的な問題について学ぶことにより，AIが抱える課題を認識する． ・社会的課題に対して人工知能の切り口から解決策を検討することができるようになる．
到達目標	・AIが社会に及ぼす影響やAIの課題・問題点を説明できる．【知識2】 ・AIの基本的な要素技術とその応用例についての知識を身につけている．【知識2】 ・対象とする問題に応じて，適切なAI技術を選択できる．【思考力・判断力】 ・現実的な課題に対して，関連するデータ等の情報を自ら整理・加工した上で適切なAI技術を適用することができる．【技能1，表現力，主体性】
受講要件	イノベーション人材育成プログラムの受講を許可されていること．
履修取消の可否	否
履修取消不可の理由	イノベーション人材育成プログラムのプログラム必修科目であるため．
事前・事後学修	・本講義では，実習部分においてプログラミング言語としてPythonを利用する．実習に取り組むにあたり文法やライブラリ利用方法の知識が不足している点があれば，自発的に予習・復習に取り組む． ・プロジェクト演習においては，自発的な調査やプログラミングの試行錯誤を通じて， レポートのオリジナリティや完成度を高めるように努める．
講義内容	1. AIの定義，AIが社会に及ぼす影響 2. Neural NetworkでみるAI史(生体の数理モデル化と学習機構) 3. Neural NetworkでみるAI史(計算能力の向上とビッグデータの活用) 4. AIの要素技術（分類のための機械学習アルゴリズムと実社会での応用事例） 5. AIの要素技術（回帰のための機械学習アルゴリズムと実社会での応用事例） 6. AIの要素技術（クラスタリングのための機械学習アルゴリズムと実社会での応用事例） 7. AIの要素技術（強化学習と実社会での応用事例） 8. AIの要素技術（メタヒューリスティクスと実社会での応用事例） 9. AIの解釈性 10. AI研究の倫理 11. プロジェクト演習（データの可視化，分析） 12. プロジェクト演習（データの加工，特徴量の選択） 13. プロジェクト演習（学習アルゴリズムの選択，適用） 14. プロジェクト演習（学習アルゴリズムのパラメータチューニング） 15. プロジェクト演習（成果発表），まとめ
期末試験実施の有無	実施しない
評価方法・基準	各回の講義において適宜課題を課すほか，最終レポートを課す． 授業参加度 20% 講義中に適宜与える課題 40% 最終レポート 40% 成績評価の基準は，本学の「成績評価に係るガイドライン」のとおりとする．
教科書等	資料を作成し配布する． 参考書：Stuart Russel, Peter Norvig, “Artificial Intelligence, A Modern Approach, Fourth Edition”, Pearson, 2020.
担当者プロフィール	2002年東京工業大学総合理工学研究科博士課程修了．博士（工学）．2002年広島市立大学情報科学部助手．2007年同大講師．2010年同大准教授．2021年より同大教授．主に進化計算論，群知能に関する研究に従事． 研究室：情報科学部棟6階640室 学生の学習指導・支援体制： 授業内容や課題などに関する学生の個別学習相談を随時受け付けています．教員の所在は学内サイネージ等に掲示されていますので，確認の上，研究室を訪ねてみてください．
講義に関連する実務経験
課題や試験に対するフィードバック	・講義中に適宜与える課題については，講義中に模範解答を配布しフィードバックを行う． ・最終レポートについては，評価，コメントをWebClass等を通じてフィードバックする．
アクティブ・ラーニング	PBL, プレゼンテーション
キーワード	人工知能，機械学習
備考	イノベーション人材育成プログラム　プログラム必修科目