基本情報/Basic Information

開講科目名 ／Course	情報システム論b／INFORMATION THEORY OF SYSTEMS(B)
開講所属 ／Course Offered by	経済学部経営学科／ECONOMICS MANAGEMENT
ターム・学期 ／Term・Semester	2020年度／2020 Academic Year　　秋学期／FALL SEMESTER
曜限 ／Day, Period	金2／Fri 2
開講区分 ／semester offered	秋学期／Fall
単位数 ／Credits	2.0
学年 ／Year	2,3,4
主担当教員 ／Main Instructor	今福　啓

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
今福　啓	経営学科／MANAGEMENT

授業の目的・内容 ／Course Objectives	この講義では、実社会で広く利用されている「人工知能」というカテゴリで扱われる手法の詳細を学びます。具体的には教師あり学習、教師なし学習、強化学習とよばれる分野に焦点をあて、それぞれどのような手法であるか学びます。 また、プログラミング言語「Python」を使って実際に人工知能のプログラムを作成する実習を行います。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	プログラミング言語のPythonで人工知能を使用したプログラムを作成し、結果を分析する実習を行います。 1. 自宅でコンピュータを利用できる方のみ受講してください。 ・コンピュータは、1週間に1回程度使えれば問題ありません。 ・家族と共用のコンピュータでもかまいません。 ・対応機種：Windows, mac 2. 動画を使った講義を行います。 ・リアルタイムの講義ではなく、YouTubeの限定配信を好きな時間に見る形式の講義を行います。 ・動画のアドレスは毎週指定します。 ・毎週、講義内課題でプログラムを作成し、その内容を説明したレポートを作成し、指定した期日までに提出してください。 3. 履修登録者には、Porta IIで講義連絡の方法について送信します。
事前・事後学修の内容 ／Before After Study	講義で理解できなかった点をそのままにせず、質問や自習で解決するようにしてください。
テキスト1 ／Textbooks1	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other 必要に応じて講義資料を配布します。
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title 見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑 著者 ／Author name 加藤公一、秋庭伸也、杉山阿聖、寺田学 出版社/URL ／Publisher 翔泳社 ISBN ／ISBN ISBN978-4-7981-5565-4 その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	講義内課題で作成したプログラムと分析結果を成績評価の対象とします。 ・講義内課題（100％）で評価します。 ・詳しい評価方法は、第1回目の講義の際に動画で説明します。
関連科目 ／Related Subjects	コンピュータアーキテクチャ、情報通信ネットワーク、プログラミング論、データベース論、マルチメディア論、Webデザイン論
備考 ／Notes
到達目標 ／Learning Goal	コンピュータ内部でのデータ構造、情報処理手順、およびコンピュータ自身が問題の変化に応じて解決手順を構築する手法等に関して専門知識を習得し、コンピュータを用いたより効率的な問題解決ができるようにする。

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	機械学習とは：教師あり学習、教師なし学習、強化学習	コンピュータにおける学習とはどのような手法であるか、問題を分類して概要を学ぶ。
2	教師あり学習の理論：人工ニューロン	教師あり学習を構成する要素と学習の理論を学ぶ。
3	人工ニューロンの実習	プログラミング言語Pythonでプログラムを作成し、教師あり学習を実習する。
4	ニューラルネットワーク	人工ニューロンを複数並べてネットワークを構成したニューラルネットワークによる学習方法を学ぶ。
5	ディープラーニング	極めて多数のニューロンを並べ、学習を工夫することで膨大なデータから自動的に特徴を抽出する手法であるディープラーニングについて学ぶ。
6	ニューラルネットワーク、ディープラーニングの実習	プログラムを作成し、膨大なデータから学習する手法を実習する。
7	サポートベクターマシン、ランダムフォレスト	ニューラルネットワークとは異なる手法であるサポートベクターマシン、ランダムフォレストについて学び、プログラムを作成して実習する。そして各機械学習手法の性能を比較する。
8	形態素解析、Word2Vec	形態素解析により文章を意味のある最小構成単位に分割し、そのつながりを学習して文章の意味を解析する方法を学ぶ。
9	t-SNE	文章データのように高次元のデータを2次元に圧縮し、分かりやすく表示する手法であるt-SNE（t-Distributed Stochastic Neighbor Embedding）について学ぶ。
10	Word2Vecの実習	プログラムを作成し、規則的に数値が並んだデータとは異なる文章データを学習し、その結果を次元圧縮して表示する手法を実習する。
11	教師なし学習の理論：k-means法	教師なし学習手法の構造と手順を学ぶ。
12	強化学習の理論：TD学習、Q学習	初期状態から目標状態に至る過程を学習する手法の理論を学ぶ。
13	Q学習の実習	プログラムを作成し、膨大な回数の経験からコンピュータが自動的に学ぶ強化学習を実習する。
14	深層Q学習	Q学習とニューラルネットワークを組み合わせた複雑な強化学習の手法について学ぶ。