2024欧洲杯投注官网_沙巴博彩公司-官网平台

图片
シラバス参照/View Syllabus

授業情報/Class Information

科目一覧へ戻る/Return to the Course List 2024/03/22 現在/As of 2024/03/22

基本情報/Basic Information

開講科目名
/Course
社会情報システム論演習(社会情報システム論)/SEMINAR IN SOCIAL INFORMATION SYSTEMS(SOCIAL INFORMATION SYSTEMS)
開講所属
/Course Offered by
大学院/
ターム?学期
/Term?Semester
2024年度/2024 Academic Year  春学期/SPRING SEMESTER
曜限
/Day, Period
土3/Sat 3
開講区分
/semester offered
通年/Yearlong
単位数
/Credits
4.0
主担当教員
/Main Instructor
今福 啓
科目区分
/Course Group
大学院科目 演習科目
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、人工知能に関連する近年の理論について理解すると同時に、プログラミング言語Pythonを使ったプログラム作成を行います。

また各自で設定するテーマの研究を行うことで、学習した内容を自分のものとして理解し発展できるようになることを目標とします。
授業の形式?方法と履修上の注意
/Teaching method and Attention the course
講義で使用できるコンピュータ(WindowsまたはMac)を用意してください。
事前?事後学修の内容
/Before After Study
講義で指定したプログラム、レポート課題を事前学修で作成してください(2時間)。事後学修では、講義で指摘した問題点を理解するようにしてください(2時間)。
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
講義時間中に必要な資料を指定し配布します。
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/???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/???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/???名
/Title
著者
/Author name
出版社/URL
/Publisher
ISBN
/ISBN
その他(任意)
/other
評価方法
/Evaluation
講義時間内の発表内容を評価します(100%)。
備考
/Notes
関連科目
/Related Subjects
到達目標
/Learning Goal
社会情報システムについての修士レベルの知識をもとに問題を発見し,研究論文を作成できるようにする.

/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 学習計画、研究計画 今後の講義でどのような流れで学習を進め、研究を行っていくか検討する。
2 機械学習1 教師あり学習 教師あり学習の基本的な手法について理解している内容をまとめて発表し、今後学習したい内容を確認する。
3 機械学習2 教師なし学習 教師なし学習の基本的な手法にについて理解している内容をまとめて発表し、今後学習したい内容を確認する。
4 強化学習 強化学習の基本的な手法にについて理解している内容をまとめて発表し、今後学習したい内容を確認する。
5 教師あり学習のプログラムを読む 今後のプログラム作成に役立てるため、作成済みの教師あり学習のプログラムを読んで内容を理解する。
6 教師なし学習のプログラムを読む 今後のプログラム作成に役立てるため、作成済みの教師なし学習のプログラムを読んで内容を理解する。
7 強化学習のプログラムを読む 今後のプログラム作成に役立てるため、作成済みの強化学習のプログラムを読んで内容を理解する。
8 教師あり学習のプログラムを作成する 第5回の講義とは異なる問題を取り上げ、その問題を教師あり学習するプログラムを作成する。
9 教師なし学習のプログラムを作成する 第6回の講義とは異なる問題を取り上げ、その問題を教師なし学習するプログラムを作成する。
10 強化学習のプログラムを作成する 第7回の講義とは異なる問題を取り上げ、その問題を強化学習するプログラムを作成する。
11 教師あり学習の文献調査 人工知能に関連する文章を調査し、持参して読解する。
12 教師なし学習の文献調査 教師なし学習に関連する文章を調査し、持参して読解する。
13 強化学習の文献調査 強化学習に関連する文章を調査し、それを持参して読解する。
14 ディープラーニングの概要 旧来から用いられてきた教師なし学習手法のニューラルネットワークでは何が問題となっていたか説明し、それをどう解決したか学習する。
15 ディープラーニングの詳細 ディープラーニングを構成する要素を詳細に分析し、各要素の内容を詳細に理解する。
16 Deep Q-Network ディープラーニングをどのように強化学習に応用しているか、詳細に理解する。
17 ディープラーニングの文献調査 ディープラーニングに関連する文章を調査し、それを持参して読解する。
18 Deep Q-Networkの文献調査 Deep Q-Networkに関連する文章を調査し、それを持参して読解する。
19 ディープラーニングのプログラムを作成する ディープラーニングのプログラム作成を行い、ニューラルネットワークとの性能の違いを確認する。
20 ディープラーニング 結果の分析と調整 ディープラーニングのプログラムで得られた結果をどのように分析するか、性能を向上させるためにどのような調整を行えば良いか理解し、プログラムを作成する。
21 Deep Q-Networkのプログラムを作成する Deep Q-Networkのプログラム作成を行い、基本的な強化学習手法では不可能な問題を扱えることを理解する。
22 研究テーマを検討する 各自の研究として機械学習、または強化学習を適用したい手法あるいは問題を検討し、その内容を発表する。
23 データ収集 研究で使用するデータを収集し、その内容を発表する。さらにデータを増やすためにどのような手法が有効か検討する。
24 プログラム作成 収集したデータを使用してプログラムを作成し、技術的な問題が生じた場合は、それを解決する方法を検討する。
25 研究発表 初回報告 収集したデータ、作成したプログラムの詳細を発表し、今後の研究の進め方を検討する。
26 研究発表 中間報告 現時点で完成している内容について発表し、問題点および課題を検討する。
27 研究発表 改善案の報告 前回の発表から追加、改善した内容を発表する。
28 研究発表 最終報告 最終的に得られた研究結果を発表する。

科目一覧へ戻る/Return to the Course List