| 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、大学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。情報処理安全確保支援士、ネットワークスペシャリスト、応用情報技術者。 実務経験と授業の関係: |
| 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 |