基本情報/Basic Information

開講科目名 ／Course	特殊講義b(AI入門b)／SPECIAL LECTURE B (INTRODUCTION TO AI B)
開講所属 ／Course Offered by	経済学部／ECONOMICS
ターム・学期 ／Term・Semester	2023年度／2023 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	1,2,3,4
主担当教員 ／Main Instructor	横塚　志行

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
横塚　志行	経営学科／MANAGEMENT

授業の目的・内容 ／Course Objectives	本講義は、春学期に実施する特殊講義a(情報システム概論a)の後半である。 人工知能（AI）は、コンピューターシステムが人間のようにタスクを遂行することを可能にする技術である。 本講義では、春学期の特殊講義a(AI入門a)で概要を説明した基礎的なアルゴリズム（例えば機械学習、ニューラルコンピュータ、ディープラーニングなど）や基礎的数学、pythonを復習しながら、実際に様々な機械学習の機能をpython言語を用いて実現する。人工知能の機能は研究者でない限り難解な技術は必要ではなく、基礎的な数学、統計および比較的平易なpython言語で人工知能の機能が実現できることを体現できるであろう。 現在、先進的な多くの企業においては、人工知能のビジネスへの適用は非常に重要な経営課題であり、人工知能人材の育成は急務となっている。本講義を春学期の特殊講義a(AI入門a)と併せて受講することにより、一般社団法人日本ディープラーニング協会（JDLA）が実施しているG検定（AIジェネラリスト）の資格習得に向けた基礎を習得できる。また、企業に就職した際に人工知能のプロジェクトについて前向きに向き合うことができるであろう。 なお、本講義は経営学科の学位授与方針（DP）に基づきコンピュータで処理される情報の原理および情報を扱う人間社会に必要となる情報技術の促進に努める。また、カリキュラム･ポリシー(CP)らみると、情報系の学科専門科目として、情報技術に関する専門的知識の提供を行うとともに、将来に実務経験にも有益な内容とするように配慮する予定である。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	初回講義において、学習する内容、講義の進め方、成績の評価方法を説明する。 また、対面授業を原則とするが、変更がある場合は別途メールで連絡する。 本講義は、以下の前提を想定している。 ・PCを操作しながら授業を進めることがあるので、自分が所有するPCを持参しPCの操作ができることこと。 ・特殊講義である春学期の特殊講義a(AI入門a)とのセットの学習を想定しており、人工知能の基礎的な知識だけでなく人工知能の実現方法の基礎を習得できる。したがって、是非AI入門abを併せて受講してほしい。 ・プログラム言語pythonの習得を行う。 ・高校2年次程度の基礎的な数学や統計を理解していることを前提としており、大学1年時の必須科目である経済経営数学入門／統計学入門を受講した大学2学年次以降の履修が適切であるが、数学的な表現がある場合は丁寧に講義を行うので1年次受講でも問題ない。
事前・事後学修の内容 ／Before After Study	事前事後の学習時間は合計４時間である。 講義参加者は、事前学習として事前提示予定のレジュメを事前に読んでおいてほしい（２時間）。 事後学習は、授業ノートなどを目を通し内容を理解を促進してほしい（１時間）。 上記以外にも、AIに関する記事等を日常的に入手しておきAIの動きを把握してほしい(1時間)。
テキスト1 ／Textbooks1	書籍名 ／Title 教科書は特に指定しない。 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
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 ディープラーニングG検定公式テキスト第二版 著者 ／Author name 日本ディープラーニング協会 出版社/URL ／Publisher 翔泳社 ISBN ／ISBN 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	秋学期の最終日にテストを実施する。また、数回の課題摘出を行う。 なお、評価比率は、課題提示(30%程度)と小テスト(70%程度)と想定している。
関連科目 ／Related Subjects	特殊講義b(AI入門) 特殊講義a(データサイエンス入門) 特殊講義a(データサイエンス入門) 情報済ステム論ab
備考 ／Notes
到達目標 ／Learning Goal	経済・経営・環境分野の現場で活躍する人々の講演を通じて、それらの現場の実態および今後の展望等について理解・分析し、見解を提示できるようにする。

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	授業の進め方 上期授業の復習と今後の進め方	・授業の進め方 ・pythonの習得
2	機械学習に有益なpythonライブラリ	機械学習に有益なpythonライブラリの理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
3	機械学習の代表的な手法（教師あり学習、単回帰分析）	単回帰分析の理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
4	機械学習の代表的な手法（教師あり学習、重回帰分析）	重回帰分析の理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
5	機械学習の代表的な手法（教師あり学習、決定木／ランダムフォレスト）	決定木／ランダムフォレストの理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
6	AI最新動向	AI最新動向を学習する	事前：レジュメの一読 事後：講義ノートの確認
7	機械学習の代表的な手法（教師あり学習、ロジステック回帰)	教師あり学習、ロジステック回帰の理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
8	機械学習の代表的な手法（教師あり学習、SVM／KNN(分類）	教師あり学習、SVM／KNNの理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
9	機械学習の代表的な手法（K平均法)	教師なし学習の代表的な手法のｋ平均用を学びコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
10	ディープラーニング	代表的手法のディープラーニングを学習する	事前：レジュメの一読 事後：講義ノートの確認
11	CNN	画像認識で利用されるCNNについて学習する	事前：レジュメの一読 事後：講義ノートの確認
12	CNNと課題提示	画像認識で利用されるCNNについて学習し、課題を提示する	事前：レジュメの一読 事後：講義ノートの確認
13	AI最新動向	AI最新動向を学習する	事前：レジュメの一読 事後：講義ノートの確認
14	総復習のテスト	今まで学習した内容をテストする