基本情報/Basic Information

開講科目名 ／Course	情報システム論a／INFORMATION THEORY OF SYSTEMS(A)
ナンバリングコード ／Numbering Code	22-2069
開講所属 ／Course Offered by	経済学部経営学科／ECONOMICS MANAGEMENT
ターム・学期 ／Term・Semester	2026年度／2026 Academic Year　　春学期／SPRING SEMESTER
曜限 ／Day, Period	金3／Fri 3
開講区分 ／semester offered	春学期／Spring
単位数 ／Credits	2.0
学年 ／Year	2,3,4
主担当教員 ／Main Instructor	今福　啓
遠隔授業科目 ／Online Course	－

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、コンピューターが人と同様に学習する技術となる人工知能で中心的となっている手法のニューラルネットワークについて、理論を理解すると同時に、プログラミング言語Pythonを使って機械学習を行うプログラムを作成します 理論と実習を組み合わせることで、機械学習を使いこなせるようになることを目標とします ---------- この講義では経済学部の学位授与方針に掲げる能力を育成するため、教育課程の編成・実施方針が示す学科専門科目としてコンピュータに関連する専門的な知識を習得し、コンピュータを実践的に使用するために必要となる力を身につけます 履修後は、履修系統図が示す3年次以降の学科専門科目、教職関連科目、演習科目の学修を円滑に進めることができます
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	講義は一般教室で、各自が持参したコンピューター（WindowsまたはMac）を使って行います PC教室を使用しませんので、毎回コンピューターを持参してください バッテリーの劣化などにより講義時間中にコンピューターを電源に接続する必要がある場合は、各自のコンピューター用のアダプターも持参してください 電源タップは貸出します この講義は経済学部の必修科目「コンピューターリテラシーb」で学習したプログラミング言語Pythonを使用しますので、Pythonの基礎を復習します ただし受講生の習熟度によって学習する内容が変わるため、この回はオンデマンド形式（各自で動画を視聴して学習する）で行います 秋学期に開講される情報システム論bは、この講義を受講していることを前提として勧めます。そのため情報システム論bでは、この講義で学習するプログラム作成や機械学習の理論についての理解が必要となります
使用言語 ／Language used	日本語/Japanese
採用している授業方法 ／Teaching methods used	実習/Practical_training
事前・事後学修の内容 ／Before After Study	授業計画詳細情報 にある 事前・事後学修の内容 を参照してください ---------- 大学設置基準が定める学修時間に従い、1回の講義につき事前学修120分、講義時間100分、事後学修120分の学修時間となることを想定しています
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 指定するアドレスで閲覧できる講義資料に従って進めます 資料の閲覧にはスマートフォンやPCなどWebサイトに接続できる機器が必要となりますので、講義の際に持参してください
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 著者 ／Author name 出版社/URL ／Publisher 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	講義中に作成したプログラムを提出し、その内容を評価します（100%） プログラムは最後まで正しく動作する内容のみ評価しますので、実行していないファイル、途中までしか作成していないファイル、途中でエラーで停止しているファイルは評価しません 期末の試験やレポート提出はありません Googleフォームにファイルを提出すると、自動で確認メールが送信されます 届いたメールはファイルを提出した証明となりますので、必ず保存してください 締切後の課題提出は受け付けません
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、システムズ・エンジニアリング、データマイニング論、アルゴリズム論、AI入門、データサイエンス入門、情報システム概論
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。
DPとの関連 ／Relation to DP	○:幅広い教養 ◎:情報分野における専門的知識

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	講義の準備（使用するツール）、進め方、成績評価	各自のコンピューターを持参する。Google Chrome、Google Colaboratory、講義の進め方、成績評価の方法を説明する	【事前学修】講義で学ぶ内容を授業概要を通じて理解する 【事後学修】講義で使用するソフトウェアを正しく使用できるか確認する
2	Pythonの基礎（オンデマンド形式）	プログラム作成を行う上で必要なColaboratoryの設定や操作方法、Pythonでプログラムを作成する際に必要となる知識を学習する	【事前学修】Pythonとはどのようなプログラミング言語か調べる 【事後学修】プログラムに行番号が表示できているかなど、講義で説明した設定を確認する。プログラム作成の手順を理解できたか確認する
3	機械学習の概要	人工知能の中心的な技術である機械学習は何を行う手法であるか、また機械学習の手順を理解する	【事前学修】機械学習の概要を調べる 【事後学修】機械学習で必要となるデータについて確認する
4	機械学習のプログラム作成	モジュールを使って機械学習するプログラムを作成し、機械学習の概要を理解する	【事前学修】Pythonのモジュールの利用方法を確認し、プログラム作成の準備を行う 【事後学修】機械学習のプログラム作成の概要を確認する
5	パーセプトロン、活性化関数	機械学習の構成要素となるパーセプトロンの動作の概要を理解し、動作を模倣するプログラムを作成する	【事前学修】パーセプトロンについて調べる 【事後学修】パーセプトロンの出力を計算する方法を確認する
6	パーセプトロンの出力を計算するプログラムの作成	パーセプトロン1つの出力を計算するプログラムを作成した上で、パーセプトロンを複数接続した際の出力を計算するプログラムを作成する	【事前学修】Pythonの基本的な文法を確認し、講義におけるプログラム作成の準備を行う 【事後学修】パーセプトロンを複数接続した際の計算の流れを確認する
7	パーセプトロン1つの学習	パーセプトロン1つで学習できる問題がどのようなものであるか理論的な内容を理解する	【事前学修】パーセプトロンの出力を決定する要素と、出力の計算手順を確認する 【事後学修】パーセプトロン1つで学習できる問題（線形分離可能）を確認する
8	パーセプトロンが自動で学習するプログラムの作成	パーセプトロンで学習する手法を理解し、自動で学習するプログラムを作成する	【事前学修】パーセプトロンの学習手順を確認する 【事後学修】パーセプトロンの学習と作成したプログラムが対応する箇所を確認する
9	ニューラルネットワーク	パーセプトロンを複数つなぎ合わせたニューラルネットワークの構造を理解する	【事前学修】ニューラルネットワークについて調べる 【事後学修】ニューラルネットワークの出力を計算する手順を復習する
10	損失関数の計算とプログラム作成	一般的な問題を学習する際に計算する損失関数について理解し、出力を計算するプログラムを作成する。	【事前学修】損失関数というキーワードを調べる 【事後学修】損失関数の値を小さくすることで機械学習できることを理解する
11	損失関数の勾配を使った学習【1】学習理論	ニューラルネットワークの学習で損失関数を最小化するため、勾配を計算して更新する方法について理解する	【事前学修】関数の勾配というキーワードと、勾配がどのように利用できるか調べる 【事後学修】勾配を使って関数を最小化する方法を確認する
12	損失関数の勾配を使った学習【2】 勾配法を使って損失関数を最小化するプログラムの作成	勾配を計算して損失関数を最小化するプログラムを作成する	【事前学修】損失関数の勾配を計算する方法を確認する 【事後学修】プログラムでどのように勾配を計算するか確認する
13	損失関数の勾配を使った学習【3】ニューラルネットワークの学習を行うプログラムの作成	理論をもとに、ニューラルネットワークで学習するプログラムを作成する	【事前学修】ニューラルネットワークの計算手順と学習の理論を確認する 【事後学修】ニューラルネットワークでどのように学習が行われるか、理論とプログラムで対応する箇所を確認する
14	教師あり学習、教師なし学習	ニューラルネットワークのような教師あり学習とは異なる学習手法である教師なし学習について理解する	【事前学修】教師あり学習、教師なし学習をキーワードとして調べる 【事後学修】教師あり学習と教師なし学習を行う際に必要となるデータの違い、学習結果の違いを確認する