Syllabus data
|
Teacher name ： Kameyama Hirofumi
|
授業科目名
Basics in Enterprise Management IV
学年
1Grade
単位数
2.00Credits
実務経験の有無
開講クォーター
semester not specified
担当教員
Kameyama Hirofumi
授業形態
授業で主に使用する言語
日本語
授業方法区分
開講キャンパス
Togane Campus
授業の到達目標及びテーマ
ICT（情報通信技術）は現代社会を支える基盤を構成している。行政、企業活動、教育、一般家庭・生活において既に欠くべからざるものとなっている。
現在、官民挙げて第四次産業革命による産業構造・社会構造の変革が叫ばれている。その中核技術である人工知能とデータサイエンスについて学ぶ。IoT、ビッグデータについても触れる。これらの具体的な応用例（時事問題を含む）を示しつつ、現状と将来を俯瞰する。実際にPCを利用してデータ解析を行うことにより理解を深める。 授業の概要
本講義で必要とされる情報理論の基礎から学びを始める。情報量、情報処理とは何かを数学的に定義して理解する。この観点から、計算理論の基礎を理解し、人工知能、機械学習、ディープラーニングなど発展の著しい分野について、現状と発展について考察する。更にデータサイエンスの基礎について学ぶ。カオスと複雑系の観点から、「計算の限界」についても解説する。講義形式で行う。
授業計画
1回
受講案内
到達目標：本講義の内容と目標について理解する。必要なPC環境についても解説する。 事前学習
（2時間）
シラバスを読み、分からない用語があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 2回
情報理論の基礎（１）情報量と計算量
到達目標：本授業を受講するにあたって必要な情報理論の知識を整理する。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 3回
情報理論の基礎（２）デジタルによる情報表現と処理
到達目標：デジタル処理の利点と欠点を理解する。デジタル処理の高速化と限界、新しい技術展開についても学ぶ。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 第2、3回の授業の内容をまとめて、LMSに提出する。 4回
現代のコンピューティング環境
到達目標：パソコンからスーパコンピュータまでのHPCの現状を知り、ネットワークとの連携が生み出すパワーについて理解する。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 5回
人工知能への夢（1980年代まで）
到達目標：第一次AIブームから第二次AIブームを概観する。ニューラルネットワークの発端からエキスパートシステムの成功までの経緯を理解する。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 6回
"使える"人工知能の開発へ（1990年代以降）
到達目標：オントロジーとエキスパートシステムの限界、ニューラルネットワークの発展と機械学習、ディープラーニングへの流れを理解する。チェス、将棋、囲碁などの分野では、第一人者を凌駕する力を見せる現在のAIの現状を知る。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 第5、6回の授業の内容をまとめて、LMSに提出する。 7回目
機械学習
到達目標：機械学習の原理について学ぶ。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 8回
ディープラーニング
到達目標：機械学習の一つの形と捉えることのできるディープラーニングについて学ぶ。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 第7、8回の授業の内容をまとめて、LMSに提出する。 9回
人工知能の応用（１）ホワイトカラーの生産性の向上
到達目標：AIの活用事例を学び、今後の発展の方向性について学ぶ。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 10回
人工知能の応用（２）人間はどこまで"不要"か
到達目標：シンギュラリティとは何か、実現可能性はあるのか、その後の社会の在り方はどうなるべきか等について議論する。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 第9、10回の授業の内容をまとめて、LMSに提出する。 11回
計算に限界はあるか？
到達目標：カオスと複雑系の理論を学び、計算に本質的に潜む限界について知る。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 12回
ゲーム理論
到達目標：人や企業の意思決定の問題や行動の相互依存的状況を数学的モデルで理解するゲーム理論について基礎的事項を学ぶ。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 第12回の授業の内容をまとめて、LMSに提出する。 13回
まとめ
到達目標：AI、IoT、データサイエンス、ビッグデータの現状と未来を俯瞰する。 事前学習
（2時間）
配布資料を読み、意味の分からない言葉があれば調べておく。 事後学習
（2時間）
重要事項・語句をまとめ、後で振り返り学修ができるようにする。 理解確認テストを受け、理解が不十分な個所があれば、再度復習する。理解確認テストの点数によっては再受験を促すことがある。 14回
事前学習
事後学習
15回
事前学習
事後学習
16回
事前学習
事後学習
17回
事前学習
事後学習
18回
事前学習
事後学習
19回
事前学習
事後学習
20回
事前学習
事後学習
21回
事前学習
事後学習
22回
事前学習
事後学習
23回目
事前学習
事後学習
24回
事前学習
事後学習
25回
事前学習
事後学習
26回
事前学習
事後学習
試験及び成績評価
次の三つの指標を基に総合的に判断する。
〇授業の進行に合わせて課すレポート課題：50% 〇期末レポート：20% 〇毎回の授業で課す理解確認テスト：30% 授業には必ず出席し、課されたプログロムやレポート課題は全て提出することを要求する。全ての課題提出にはLMSを用いる。 課題(試験やレポート等)に対するフィードバック
レポートの提出及び理解確認テストの実施は、すべてLMSを利用して行う。本授業では紙媒体を利用することはない。
理解確認テストの点数はLMSにより各自で把握できるので、理解不足の個所を重点的に復習すること。 理解確認テストの点数が一定の水準に到達しない場合は、復習後に再試験を課すことがある。再試験受験の指示もLMSを通じて連絡する。 提出されたレポート課題に対しては、LMSを通じてコメントを返す。必要であれば修正箇所を指定する。再提出を求められた場合も、LMSを通じて提出すること。 講義で使用するテキスト（書名・著者・出版社・ISBN・備考）
特に指定しない。
ー
ー
ー
授業の進行に合わせて、適宜資料を電子的に配布する。
参考文献・推薦図書
Stuart Russell , Peter Norvig著，「Artificial Intelligence: A Modern Approach」，Pearson Education Limited; Global ed of 3rd Revised ed版，2016年，ISBN-13: 978-1292153964．
Christopher M. Bishop著，「Pattern Recognition and Machine Learning (Information Science and Statistics)」，Springer，2010年，ISBN-13: 978-0387310732 その他、授業中に指示する。 研究室
F棟3階 F317
オフィスアワー
火曜日 昼休み、金曜日 昼休み・3時限目
科目ナンバリング
学位授与方針との関連
関連ページ
https://www.jiu.ac.jp/visitors/students/detail/id=1001
|
