| 科目名 | AIアプリケーション開発 |
|---|---|
| 科目区分 | 専門科目 |
| 種別 | 演習 |
| 配当年次 | 3年 |
| 配当学期 | 前期 |
| 授業時間数 | 60 |
| 単位数 | 2 |
| 実務経験がある教員による授業科目 |
実務経験の概要: 国際標準化機関における情報システム開発と運用、キャンパスネットワークの設計、構築と運用を行った。また自営として各種の情報管理システムのサーバとクライアントを開発した。 実務経験と授業の関係: 情報システムの開発と運用の双方を行った経験を基に実践的な授業を実施します。 |
| 授業概要 | AIアルゴリズムの基礎を学習し、各種APIを使ったアプリケーション開発スキルを習得する。 |
| 到達目標 | |
| 目標資格等 | |
| 評価方法 | 知識：小テスト 0%
知識：定期試験 0% 技能：日常演習 0% 技能：課題提出 0% |
| 評価の詳細: | |
| 準備学習、他科目との関連 | |
| 教科書・教材 | 参考書： PythonによるAIプログラミング入門 ―ディープラーニングを始める前に身につけておくべき15の基礎技術、オライリー 参考書： ニューラルネットワーク自作入門、マイナビ |
| 授業計画 | 1回あたりの時間数 4時間 |
| 第1回 人工知能の基礎 - 人工知能とは - 機械学習とは - 環境構築 | |
| 第2回 データの可視化と分析① - NumPyとMatplotlibの利用 | |
| 第3回 データの可視化と分析② - Pandasの利用 - 基本統計量の概念 | |
| 第4回 機械学習① - 機械学習の基本 | |
| 第5回 機械学習② - 回帰分析 | |
| 第6回 機械学習③ - ロジスティック回帰 | |
| 第7回 機械学習④ - サポートベクトルマシン | |
| 第8回 深層学習① - ニューラルネットワーク | |
| 第9回 深層学習② - 深層学習 | |
| 第10回 応用： 論理プログラミング - 論理プログラミングとは - データ判定 | |
| 第11回 応用： 自然言語処理 - テキストのパース - テキスト分析 | |
| 第12回 応用： 音声認識 - 音声の可視化 - 周波数変換 - 音声認識 | |
| 第13回 物体検出 - OpenCVの利用 - 物体検出アルゴリズム | |
| 第14回 アプリケーション作成演習① | |
| 第15回 アプリケーション作成演習② |