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II
時間割番号 TCS319
担当教員名 福本　文代
開講学期・曜日・時限 後期・月・II 単位数 2
＜対象学生＞
(未登録)
＜授業の目的＞
計算機に人間の思考や言語処理能力を与える研究は，人工知能として古くからなされてきた．そして現在，ネットワーク社会を支えるもっとも重要な情報技術のひとつになりつつある．本講義では，知的システムＩの後続科目として，知的システムIで学んだ「機械学習」を応用したメディア処理に焦点をあてる．授業前半では，ロボットの経路探索，テキスト分類，情報検索，を取り上げ，「機械学習」を用いて処理する手法を学ぶ．授業後半では，データ解析とクラウドソーシングに焦点をあて，意思決定のために必要な情報抽出とそれを用いた予測について学ぶ．
＜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6.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。6b.要求、時間、費用、資源等の制約条件を考慮した上で、複数の解が存在するような複雑な問題の中から適切な解を見つけ出すことができ◎
＜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強化学習による経路探索を理解し説明できること．（レベル２）CS-A
2テキスト分類に関する手法を理解し説明できること．（レベル２）CS-A
3情報検索の前処理について理解し説明できること．（レベル３）CS-A
4情報検索処理について理解し説明できること．（レベル3）CS-A
5情報検索の評価について理解し説明できること．レベル3）CS-A
6自然言語の解析アルゴリズムを理解し説明できること．（レベル2）CS-A
＜成績評価の方法＞
目標No割合評価の観点
110%強化学習による経路探索の理解度
210%テキスト分類に関する手法の理解度
320%情報検索の前処理についての理解度
420%情報検索処理についての理解度
515%情報検索の評価についての理解度
625%自然言語の解析アルゴリズムの理解度
合計100% 
＜授業の方法＞
先修科目である知的システムIで学習した知識．
＜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. Wes McKinnery, Pythonによるデータ分析入門, オライリージャパン, ISBN:9784873116556
  2. 徳永健伸　他, 情報検索と言語処理, 東京大学出版会, ISBN:9784130654050
＜授業計画の概要＞
1タイトルガイダンスと知的システムII概説, Q-learning
事前学習
事後学習		Q-learningについて代表的な手法について理解し，自分の言葉で説明できるようにする．
授業内容知的システムで学ぶ内容についてその概要を理解する．Q-learning について理解する．
2タイトルQ-learningの適用例
事前学習
事後学習		Q-learningについて例題を通して理解し，自分の言葉で説明できるようにする．
授業内容Q-learningの適用例を実際の例題を通して学ぶ．
3タイトル情報検索(索引語抽出)
事前学習
事後学習		代表的な索引語抽出について例題を通して理解し，自分の言葉で説明できるようにする．
授業内容代表的な索引語抽出について例題を通して学ぶ．
4タイトル情報検索　演習
事前学習
事後学習		代表的な索引語抽出手法について，プログラミング演習を通して抽出できるようにする．
授業内容プログラミング演習を通して索引語抽出手法を学ぶ．
5タイトル情報検索（NB, SVMによる分類）
事前学習
事後学習		伝統的な教師付き機械学習について，説明できるようにする．
授業内容情報検索（NB, SVMによる分類） について，例題を通して理解する．
6タイトル情報検索　(素性ベクトル)
事前学習
事後学習		素性ベクトルについて理解する．
授業内容テキストを機械学習で扱う際に必要となる素性ベクトルについて例題を通して理解する．
7タイトル情報検索　演習
事前学習
事後学習		データを用い，素性ベクトルをプログラミングにより作成できるようにする．
授業内容データを用い，素性ベクトルをプログラミングにより作成することによりテキスト処理の理解を深める．
8タイトル情報検索（クラスタリングによる分類）
事前学習
事後学習		代表的なクラスタリング手法について説明できるようにする．
授業内容情報検索の前処理として位置づけることができるクラスタリングについて代表的な手法を理解する．
9タイトル情報検索（検索モデル）
事前学習
事後学習		代表的な検索モデルについて理解し，自分の言葉で説明できるようにする．
授業内容階層的，非階層的クラスタリング手法，次元圧縮などについて理解する．
10タイトル情報検索　演習
事前学習
事後学習		代表的な検索モデルを実装することにより理解を深める．
授業内容プログラミング実習により，代表的な検索モデルの理解を深める
11タイトル中間試験
事前学習
事後学習		第1回から10回までの内容を説明，また実装できる．
授業内容第1回から10回までの内容の理解度を評価する．
12タイトル情報検索　演習
事前学習
事後学習		テキスト集合とキーワードが与えられたときに，検索を行う一連の流れが実装できるようにする．
授業内容データを用い、情報検索の一連の流れをプログラミング演習を通して理解する．
13タイトル情報検索 (評価)
事前学習
事後学習		情報検索システムの評価方法について，各手法を理解し説明できるようにする．
授業内容情報検索システムの評価方法について，例題を通して各手法を理解する．
14タイトル形態素解析，構文解析
事前学習
事後学習		自然言語処理の解析処理である形態素解析と構文解析についてその代表的な手法を説明できるようにする．
授業内容自然言語処理の基礎的な処理である形態素解析と構文解析について学ぶ．
15タイトル最終評価（総括とまとめ）
事前学習
事後学習		第1回から10回までの内容を理解し，説明できるようにする．
授業内容Q-learning，情報検索，及び自然言語処理の解析手法に関する理解度を評価する．
＜前年度授業に対する改善要望等への対応＞
アンケート結果確認中
＜備考＞
(未登録)