山梨大学電子シラバス>検索結果一覧>授業データ



授業科目名 知的システム演習
時間割番号 TCS320
担当教員名 李 吉屹
開講学期・曜日・時限 後期・水・IV 単位数 1
<対象学生>
(未登録)
<授業の目的>
人工知能に関する概念と技術について、実際にプログラミングを行い演習課題に取り組むことにより学習する。授業の2/3において、シミュレーターとロボットを用いた演習を通して機械学習手法について体験的に習得する。残り1/3では、データ解析の基本的な技術について演習を通して習得する。この授業は、講義「知的システム I」および「知的システム II」に対する演習科目という位置付けにある。
<本授業科目による獲得・涵養が特に期待されるコンピテンシー>(能力・資質)
工学部(~2023年度入学生)>コンピュータ理工学科向け
記号コンピテンシー(能力・資質) 
CS-A専門3.他者に正しく理解してもらうための論理的な文書での記述力と口頭での発表力をもち、それらを円滑に駆使してコミュニケーションすることができる。
CS-B5.時代の変化に対応できるよう、最新の技術動向を考慮して、自律的・継続的に学習できる。
CS-C6.情報科学、及び、数学や自然科学等の知識と手法を用いて、以下のことができる。6c.各種のツールや手法に関する十分な知識をもち、それらをシステムの設計・開発・運用に応用できる。
<到達目標>  到達目標とは
目標NO説明コンピテンシーとの対応
CS
1発見的規則による知的問題解決手法を考案し、シミュレーターで実装できること(レベル3)CS-C
2強化学習による知的問題解決手法を考案し、シミュレーターと実機で実装できること(レベル3)CS-C
3実験レポートを作成できると発表で説明できること(レベル2)CS-A
4データ解析で用いるスクリプト言語とツールを利用できること(レベル3)CS-C
5データ解析において最近よく使われる技術を知っていること(レベル1)CS-B
<成績評価の方法>
目標No割合評価の観点
120%レポート課題1と2:発見的規則による知的問題解決手法を考案と実装の技能により評価する
240%レポート課題1~3:強化学習による知的問題解決手法を考案と実装の技能により評価する
320%レポート課題1~4:実験レポートの説明文書の内容により評価する
415%レポート課題4:スクリプト言語とツールの利用の技能により評価する
55%レポート課題4:最近の技術を使用しているかどうかにより評価する
合計100% 
<授業の方法>
対象学生は、計算機の使い方を修得済みであること。
また、本授業は、講義「知的システムI」と「知的システムII」の演習であるため、それらを履修申告済みか、既に履修済みであること。
演習形式で授業を進める。第1回~第10回は反転授業の形式で授業を進める;事前学習を必須とする。
<受講に際して・学生へのメッセージ>
(未登録)
<テキスト>
(未登録)
<参考書>
  1. 新田克己著, 人工知能概論, 培風館, ISBN:4563033545,
    (2001年出版 電子・情報工学講座, 24)

  2. 電気学会GA・ニューロを用いた学習法とその応用調査専門委員会編, 学習とそのアルゴリズム : ニューラルネットワーク 遺伝アルゴリズム 強化学習, 森北出版, ISBN:4627827512,
    (2002年出版)

  3. 伊藤一之著, ロボットインテリジェンス : 進化計算と強化学習, オーム社, ISBN:4274203980,
    (2007年出版 図解ロボット技術入門シリーズ)

  4. Wes McKinney著 ; 瀬戸山雅人, 小林儀匡訳, Pythonによるデータ分析入門 : pandas、NumPy、Jupyterを使ったデータ処理 第3版, オライリー・ジャパン,オーム社 (発売), ISBN:4814400195
<授業計画の概要>
1タイトル第1回 迷路を解くプログラム
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容迷路を解くプログラム
2タイトル第2回 機械学習手法で迷路を解くプログラム
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させ、レポート1を作成させる。
授業内容機械学習手法で迷路を解くプログラム
3タイトル第3回 シミュレーター上でのライントレーサーの製作
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容シミュレーター上でのライントレーサーの製作
4タイトル第4回 シミュレーター上での、機械学習版ライントレーサーの製作
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容シミュレーター上での、機械学習版ライントレーサーの製作。
5タイトル第5回 色センサーを併用したライントレーサーの製作
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させ、レポート2を作成させる。
授業内容色センサーを併用したライントレーサーの製作
6タイトル第6回 ロボットモデルの製作
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容ロボットモデルの製作
7タイトル第7回 プログラムの移植とセンサー類の動作確認
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容プログラムの移植とセンサー類の動作確認
8タイトル第8回 ライントレーサーロボットの試行
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容ライントレーサーロボットの試行
9タイトル第9回 ライントレーサーロボットコンテスト
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容ライントレーサーロボットコンテスト
10タイトル第10回 コンテストとまとめ
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:レポート3を作成させる。
授業内容コンテストとまとめ
11タイトル第11回 Pythonプログラミング
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容Pythonプログラミング、データ解析で用いるスクリプト言語とツール
12タイトル第12回 データ解析に関する技術の初歩
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容データ解析に関する技術の初歩(回帰分析、分類問題、探索的データ解析、アンサンブル学習)
13タイトル第13回 データ解析コンテスト練習
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させる。
授業内容データ解析コンテスト練習
14タイトル第14回 データ解析コンテスト練習(続き)
事前学習
事後学習
事前学習:演習資料を読んでおく。事後学習:演習課題を完成させ、レポート4を作成させる。
授業内容データ解析コンテスト練習(続き)
15タイトル第15回 データ解析コンテスト報告会
事前学習
事後学習
事前学習:発表を準備しておく。事後学習:今後引き継データ解析の技術を勉強する。
授業内容データ解析コンテスト報告会
<前年度授業に対する改善要望等への対応>
多様なデータ解析例を提供する
<備考>
本授業では、山梨大学 e-Learning システム(Moodle)を使用します。
http://moodle.yamanashi.ac.jp/