授業科目名				担当教員
マンマシンインターフェース特論				鈴木　良弥／西崎　博光／鈴木　裕
時間割番号	単位数	コース	履修年次	期別	曜日	時限
PTV710	2	(未登録)	1	後期	金	IV
［概要と目標］
第3次人工知能（AI）ブームが到来し，ビッグデータとそれを扱った機械学習を用いて，多くの問題を解決する動きが活発になっている．この動きは知的ロボットや産業用機械を始めとして様々な分野に広がっている．特に人間と接するロボットの研究・開発には，人間が日常から利用しているコミュニケーションメディアである音声（対話）・テキスト（文書）・画像を理解する能力が必要とされてきている．そこで本講義では，知的ロボットのコミュニケーション処理，つまりコンピュータが理解するための音声（音）・テキスト・画像処理について解説する．加えて，深層学習・遺伝的アルゴリズム等の現在のAIブームを支える人工知能アルゴリズムについても解説する．これによって，人間とコミュニケーションをとれるロボット・コンピュータを開発するための基礎能力を養う．
[到達目標]
１．人工知能アルゴリズム（深層学習や遺伝的アルゴリズム等）を理解し，使いこなせるように（プログラミングができるように）なる． ２．上記の人工知能アルゴリズムを使って，ロボットやコンピュータを用いたアプリケーション開発ができる．
［必要知識・準備］
履修者は，プログラミング（特にC言語とPython言語）ができることを前提とする．
［評価基準］
No 評価項目 割合 評価の観点 1 小テスト／レポート  60  % 達成目標1, 2に関して，人工知能の関する演習課題・レポート課題で評価する．  2 発表／表現等  40  % 達成目標1に関して人工知能アルゴリズムの理解度について，英語論文の発表によって評価する．
［教科書］
牧野浩二, 算数＆ラズパイから始めるディープ・ラーニング, CQ出版社, (Chainerを使った深層学習の入門書)
［参考書］
(未登録)
［講義項目］
1．イントロダクション：人工知能の概要 2．音声処理概要 3．自然言語処理概要 4．深層学習基礎編その1〜ニューラルネットワーク 5．深層学習基礎編その2〜畳込みニューラルネットワーク 6．深層学習基礎編その3〜再帰型ニューラルネットワーク 7．深層学習応用編その1〜音声処理への適用 8．深層学習応用編その2〜時系列データへの適用 9．深層学習応用編その3〜画像認識への適用 10．深層学習応用編その4〜テキスト処理への適用 11．遺伝的アルゴリズム基礎編 12．遺伝的アルゴリズム発展編 13．人工知能に関する最先端研究内容の紹介その1（輪講形式） 14．人工知能に関する最先端研究内容の紹介その2（輪講形式） 15．人工知能に関する最先端研究内容の紹介その3（輪講形式） ※本科目は博士課程の学生を対象としているため，履修希望者の前提知識および履修人数に応じて，上記内容を変更することもある．