aiシステム科シラバス 2020年度入学生 · canvas...

作成日

必修 1 駒総時間数 30時間

講義 0 駒総単位数 2単位

【評価方法】

評価項目 ①定期テスト ②小テスト ③レポート ④課題 ⑤作品 ⑥ﾎﾟｰﾄﾌｫﾘｵ ⑦成果発表 ⑧その他

割合 60% 20% 20% % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14労働関連・取引関連法規について説明出来る。

企業と法務 (5)：労働関連・取引関連法規について学習する。具体的には、労働基準法、労働関連法規、外部委託契約、ソフトウェア契約、ライセンス契約、OSS ライセンス、パブリックドメイン、クリエイティブコモンズ、守秘契約（NDA）、下請法、労働者派遣法などについて学習する。

小テスト

15総合テストにより知識の定着度を確認する。これまでの学習内容の理解度を確認する総合テストを実施する。

総合テスト

12知的財産権について説明出来る。

企業と法務 (3)：知的財産権について学習する。具体的には、著作権法、産業財産権法、不正競争防止法などについて学習する。

小テスト

13セキュリティ関連法規について説明出来る。

企業と法務 (4)：セキュリティ関連法規について学習する。具体的には、サイバーセキュリティ基本法、不正アクセス禁止法、個人情報保護法、特定電子メール法などについて学習する。

小テスト

10

経営戦略マネジメントの経営戦略手法のうち、コアコンピタンス経営、プロダクトポートフォリオマネジメント（PPM）について説明出来る。

経営戦略 (3)：経営戦略マネジメントの経営戦略手法のうち、コアコンピタンス経営、プロダクトポートフォリオマネジメント（PPM）について学習する。

小テスト

11SWOT分析を実施出来る。経営戦略 (4)：経営戦略マネジメントの経営戦略手法のうち、SWOT分析について学習する。

演習

8

経営戦略マネジメントの経営戦略手法のうち、競争戦略、差別化戦略、ブルーオーシャン／レッドオーシャン戦略などについて説明出来る。

経営戦略 (1)：経営戦略マネジメントの経営戦略手法のうち、競争戦略、差別化戦略、ブルーオーシャン／レッドオーシャン戦略などについて学習する。

小テスト

9ベンチマーキング、バリューチェーン分析について説明出来る。

経営戦略 (2)：経営戦略マネジメントの経営戦略手法のうち、ベンチマーキング、バリューチェーン分析について学習する。

小テスト

6情報リテラシ、データ活用などのシステム活用や促進について説明出来る。システム戦略 (4)：情報リテラシ、データ活用などのシステム活用や促進について学習する。

小テスト

7総合テストにより知識の定着度を確認する。これまでの学習内容の理解度を確認する総合テストを実施する。

総合テスト

4代表的な業務プロセスについて説明出来る。

システム戦略 (2)：BPR、業務分析、業務改善、業務設計、ビジネスプロセスマネジメント（BPM）、BPO、オフショア、SFA など業務プロセスについて学習する。

小テスト

5ソリューションビジネスについて説明出来る。

システム戦略 (3)：ソリューションビジネスについて学習する。具体的には、ソリューションビジネスの種類と形態、業務パッケージ、ASP、SOA、クラウドコンピューティングなどについて学習する。

小テスト

2企業活動の目的の一つである社会貢献について説明出来る。

企業と法務 (2)：企業活動の目的の一つである社会貢献について学習する。具体的には、CSR、コーポレートガバナンス、ゴーイングコンサーンなどについて学習する。

小テスト

3情報システム戦略の意義と目的について説明出来る。システム戦略 (1)：情報システム戦略の意義と目的、方針および目標設定について学習する。

小テスト

学習目標学習項目

1企業理念、経営理念、ビジョンの意義・役割について説明出来る。

企業と法務 (1)：企業活動の目的および基本的な企業活動の流れについて学習する。併せて、企業理念、経営理念、ビジョンの役割についても学習する。

小テスト

関連科目履修前提 ※選択科目のみ記載

データマイニング

担当教員柳町結花テキスト・参考文献

　【科目内容に沿った実務経験】　有

オリジナルテキスト社会人研修講師として、ITストラテジ・マネージメント教育に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。

事例研究を行いながら、企業と法務、システム戦略、経営戦略に関する基礎知識を身に付けることを目的とする。

企業と法務の基礎知識について説明出来る。システム戦略および経営戦略の基礎知識について説明出来る。

評価方法・基準

※左記に示した評価項目の割合（％）を基準に、総合評価点を算出して成績評価を行う。※出席率が80％未満の場合は、評価対象としない。

【評価基準】

①企業と法務の基礎知識について説明出来ること。 ②システム戦略の基礎知識について説明出来ること。 ③経営戦略の基礎知識について説明出来ること。

企業連携無前期実習・実験駒数／週

授業の目的到達目標

区分開講時期2年次講義・演習駒数／週

合計駒数／週 1 駒

ＡＩシステム科シラバス 2020年度入学生

科目名 ITストラテジ 2020年3月19日

作成日


講義／実習 1 駒総単位数 3単位

【評価方法】


割合 60% 20% % 20% % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14jQueryを使用したクライアントサイドプログラミングが出来る。

フレームワーク/ライブラリの利用 (2)：JavaScriptのライブラリの活用方法について学習する。ここでは、jQueryによるクライアントサイドプログラミングにおける実装テクニックについて学習する。

小テスト、練習問題

15これまでに学習した内容を復習し、理解を確実なものにする。これまでに学習した内容の理解を確実にするため、総合演習を行う。

総合テスト

12XMLHttpRequestによる非同期リクエストの実装が出来る。 XMLHttpRequest (3)：XMLHttpRequestによる非同期リクエストの実装方法について学習する。


13jQueryを使用したクライアントサイドプログラミングが出来る。

フレームワーク/ライブラリの利用 (1)：JavaScriptのライブラリの活用方法について学習する。ここでは、jQueryによるクライアントサイドプログラミングにおける実装テクニックについて学習する。


10XMLHttpRequestによるリクエストの送受信を行うプログラムを実装出来る。

XMLHttpRequest (1)：XMLHttpRequestの仕様を確認した上で、XMLHttpRequestオブジェクトの生成、同期リクエスト送信、レスポンスの処理について学習する。


11XMLHttpRequestによる各種形式のデータの送受信が出来る。

XMLHttpRequest (2)：XMLHttpRequestによる各種形式のデータ（XML、JSON、JSONP、など）の送信方法について学習する。


8Canvas APIを利用したアニメーションを実装出来る。 Canvas API (3)：アニメーションの実装方法について学習する。


9これまでに学習した内容を復習し、理解を確実なものにする。これまでに学習した内容の理解を確実にするため、総合演習を行う。

総合演習

6Canvas APIを利用した図形の描画、イベント処理が実装出来る。

Canvas API (1)：Canvas APIの用途、主要オブジェクトを確認した上で、図形の描画方法、イベントリスナーの登録・実装方法について学習する


7Canvas APIを利用した画像の変形や合成を行う実装が出来る。 Canvas API (2)：画像の変形や合成の実装方法について学習する。


4DOMにおけるイベントフローおよびイベントハンドリングについて説明出来る。

DOMプログラミング (4)：DOMのイベントモデルを形成するイベントフロー、イベントハンドリングについて学習する。


5Eventインターフェイスを利用したイベント処理を実装出来る。

DOMプログラミング (5)：DOMのイベントモデルを形成するEventインターフェイスについて学習する。


2DOMにおける要素のコンテンツへのアクセスが出来る。

DOMプログラミング (2)：DOMによる要素へのアクセス方法（id属性値から要素を参照、name属性値から要素を参照、タグの相対位置から要素を参照、ノード参照時のエラーハンドリング、など）について学習する。 HTML要素へのアクセスについて学習する(2)。


3DOMにおける属性へのアクセスが出来る。

DOMプログラミング (3)：DOMによる属性のアクセス方法（属性プロパティによる操作、属性値の取得・設定、属性の存在を調べるattributesプロパティ、など）について学習する。



1DOMとは何かを説明出来る。ノードツリーの構成について説明出来る。

DOMプログラミング (1)：DOMの仕様を確認した上で、ノードツリーの構成、HTML要素へのアクセス方法について学習する。



オブジェクト指向分析・設計Ⅰ・Ⅱ、卒業研究

担当教員石黒元康・宇山亮テキスト・参考文献


オリジナルテキストシステムエンジニアとして、Webシステム開発に従事した実務経験がある。その経験から取得した知識と技術を活かして、本科目に対する職業実践的な教育を行う。

JavaScript用フレームワーク／ライブラリを利用したクライアントサイドプログラミングの習得を目的とする。

DOMを利用したクライアントサイドプログラミングが出来る。 Canvas APIを利用したクライアントサイドプログラミングが出来る。 jQueryを利用したクライアントサイドプログラミングが出来る。



【評価基準】

①DOMを利用したクライアントサイドプログラミングが出来ること。 ②Canvas APIを利用したクライアントサイドプログラミングが出来ること。 ③jQueryを利用したクライアントサイドプログラミングが出来ること。






科目名クライアントサイドプログラミングⅡ 2020年3月19日

作成日



【評価方法】


割合 60% 40% % % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14オブジェクト指向による実装で使用する各種UMLダイアグラムを記述出来る。オブジェクト指向による実装の方法と各種UMLダイアグラムについて学習する。

練習問題

15総合テストによってこれまでの学習内容の理解度を確認する。これまでの学習内容の総合テストを実施する。

総合テスト

12オブジェクト指向設計で使用する各種UMLダイアグラム、ロバストネス図を記述出来る。オブジェクト指向設計で使用する各種UMLダイアグラム、ロバストネス図について学習する。

練習問題

13オブジェクト指向による実装の開発工程とその特徴について説明出来る。具体的な事例を元に、オブジェクト指向実装の開発工程について学習する。

練習問題

10オブジェクト指向分析で使用する各種UMLダイアグラム、ユースケース記述を記述出来る。オブジェクト指向分析で使用する各種UMLダイアグラム、ユースケース記述について学習する。

練習問題

11オブジェクト指向分析による開発工程とその特徴について説明出来る。具体的な事例を元に、オブジェクト指向設計の開発工程について学習する。

練習問題

8これまでの学習内容の理解を定着する。これまでの学習内容の確認テストを実施する。

確認テスト

9オブジェクト指向分析による開発工程とその特徴について説明出来る。具体的な事例を元に、オブジェクト指向分析の開発工程について学習する。

練習問題

6

open-closed principle、single responsibility principleについて説明出来る。またそれらをクラス設計に適用出来る。

オブジェクト指向設計の原則のうち、open-closed principle、single responsibility principleについて学習する。

練習問題

7

Liskov substitution principle、dependency inversion principle、interface segregationprincipleについて説明出来る。また、それらをクラス設計に適用出来る。

オブジェクト指向設計の原則のうち、 Liskov substitution principle、dependency inversionprinciple、interface segregation principleについて学習する。

練習問題

4

粒度、凝集度、結合度について説明出来る。委譲とは何かを説明出来る。集約とその種類について説明出来る。

クラス設計の尺度である粒度、凝集度、結合度について学習する。委譲の概念を踏まえたうえで、集約とその種類、オブジェクトコンポジションによるクラス設計の方法、振る舞いの再利用、および動的な役割の変化の観点からも学習する。

練習問題

5インターフェイスの利用目的について説明出来る。適切な例外処理の実装が出来る。

インターフェイスの意義、利用目的について学習する。例外処理に関する各種実装テクニックについて学習する。

練習問題

2クラスについて説明出来る。カプセル化について説明出来る。

抽象化およびモデリングの観点から、クラスについて学習する。抽象データ型の視点からカプセル化（データ／振る舞いの隠蔽）、不変オブジェクトなどのクラス設計のテクニックについて学習する。

練習問題

3継承、多態性、動的束縛に関して、利用目的、効果について説明出来る。

継承の意義、利用目的と効果について学習する。多態性と動的束縛の意義、利用目的と効果について学習する。

練習問題


1抽象化、モデリングの目的、意義について説明出来る。オブジェクトとは何かを説明出来る。

数理科学および計算機科学における抽象化とモデリングの具体例を紹介し、抽象化とは何か、モデリングとは何か、それらの意義と利点について学習する。オブジェクトとは何かを踏まえたうえで、オブジェクト指向とその関連技術について学習する。

練習問題


オブジェクト指向分析・設計Ⅱ、卒業研究

担当教員福田竜郎テキスト・参考文献


オリジナルテキストシステムエンジニア・プログラマとして、Webシステム開発に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。

オブジェクト指向における基礎概念の習得、およびオブジェクト指向に基づいた分析・設計の習得を目的とする。

オブジェクト指向における基礎概念について説明出来る。オブジェクト指向分析・設計が出来る。各種ダイアグラム（UML、ロバストネス図）が記述出来る。



【評価基準】

①オブジェクト指向における基礎概念について説明出来ること。 ②オブジェクト指向分析・設計が出来ること。 ③各種ダイアグラム（UML、ロバストネス図）を記述出来ること。






科目名オブジェクト指向分析・設計Ⅰ 2020年3月19日

作成日



【評価方法】


割合 60% 40% % % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14

Application Controllerパターンを適切に利用した設計が出来る。Application Controllerによる制御ロジックと環境の分離が実現出来る。

制御ロジックの意味についての確認、制御ロジックがFront Controller内部で実装されていることの問題点を踏まえ、解決策としてのApplication Controllerパターンについて学習する。

練習問題

15

DAOパターンを適切に利用した設計が出来る。Data Access Objectによるデータアクセスレイヤの設計が出来る。Abstract Factoryパターンを適用してData Access Objectの抽象化が実現出来る。

インテグレーションレイヤのモジュールに対して、DAOパターンを適用する目的、DAOの実装方法、DAOにおける抽象化の方法について学習する。GoFのAbstract Factoryパターンの導入によるDAOの抽象化の方法について学習する。

練習問題

12

Context Objectパターンを適切に利用した設計が出来る。Context Objectを用いたJava EE環境の隠蔽が実現出来る。

コア処理を抽象化した際に発生する問題点の分析と、解決策としてContext Objectパターンを使用した情報の受け渡し方法について学習する。

練習問題

13

Transfer Objectパターンを適切に利用した設計が出来る。Transfer Objectによるレイヤ間でのデータの受け渡しが実現出来る。

サプライアからクライアントに対して複数のデータを受け渡す際に発生する問題点と、その解決策であるTransfer Objectパターンについて学習する。

練習問題

10これまでの学習内容の理解を定着する。これまでの学習内容の確認テストを実施する。

確認テスト

11

Front Controllerパターンを適切に利用した設計が出来る。Front Controllerによるリクエストのエントリーポイントの一元化を実現出来る。

J2EEアプリケーションのレイヤ構造、ソフトウェアパターンの分類、J2EEパターンの位置付けについて解説し、その上で、J2EEパターンのひとつであるFront Controllerの目的について学習する。

練習問題

8Adapterパターンを適切に利用した設計が出来る。

Strategyパターンを始めとする構造的に類似した様々なパターンと比較しながら、Adapterパターンの目的、構造、適用方法、Javaによる実装方法について学習する。

練習問題

9Compositeパターン、Singletonパターンを適切に利用した設計が出来る。

Compositeパターン、Singletonパターンの目的、適用方法、Javaによる実装方法について学習する。

練習問題

6

Abstract Factoryパターン、Commandパターン、Strategyパターンを適切に利用した設計が出来る。

Factory Methodパターンと対比させながら、Abstract Factoryパターンの目的、適用方法、構造、Javaによる実装方法について学習する。構造的に類似したCommandパターン、Strategyパターンについて、目的の違いに焦点を当てながら、それぞれの構造、適用方法、Javaによる実装方法について学習する。

練習問題

7Decoratorパターン、Stateパターンを適切に利利用した設計が出来る。

Commandパターン、Strategyパターンと比較しながら、DecoratorパターンとStateパターンについて、それぞれの目的、構造、適用方法、Javaによる実装方法について学習する。

練習問題

4依存性注入の目的、効果を説明出来る。依存性注入を適切に利用することが出来る。

open-closed principleを満たすために不可欠な依存性注入の意義とJavaによる実装方法について学習する。必要に応じて依存性注入を実装したフレームワークについても言及する。

練習問題

5Template Methodパターン、Factory Methodパターンを適切に利用した設計が出来る。

ソフトウェアパターン全体の分類を踏まえた上で、GoFのTemplate Methodパターンの目的、適用の仕方、構造、Javaによる実装方法について学習する。また、Template Methodパターンと対比させながら、Factory Methodパターンの目的、適用方法、構造、Javaによる実装方法についても学習する。

練習問題

2ソフトウェア要件定義とソフトウェア方式設計が出来る。

各種UMLを用いたソフトウェア要件定義とソフトウェア方式設計の方法について学習する。システム開発の流れを体験する。

練習問題

3各種設計書に基づいた実装が出来る。

各種設計書に基づいたJavaによる実装方法について学習する。システム開発の流れを体験する。

練習問題


1

ソフトウェアアーキテクチャとは何かを説明出来る。パターンランゲージとは何か、各種ソフトウェアパターンについて説明出来る。

アーキテクチャとは何かを踏まえた上で、ソフトウェアアーキテクチャについて学習する。パターンとは何かを踏まえた上で、パターンランゲージ、各種ソフトウェアパターンについて学習する。

練習問題


卒業研究



オリジナルテキストシステムエンジニア・プログラマとして、Webシステム開発に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。

各種パターン（J2EEパターン、GoFのデザインパターン、エンタープライズアーキテクチャパターン、等）を駆使し、システム設計が出来ることを目的とする。

各種パターンを使用したシステム設計が出来る。各種パターンを実装出来る。



【評価基準】

①各種パターンを使用したシステム設計が出来ること。 ②各種パターンを実装出来ること。

企業連携無後期実習・実験駒数／週





科目名オブジェクト指向分析・設計Ⅱ 2020年3月19日

作成日



【評価方法】


割合 60% 40% % % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14AIエンジニアを取り巻く環境について説明出来る。

AIエンジニアを取り巻く環境 (1)：AIエンジニアを取り巻く環境（仕事内容とその変化、社会的ニーズ、など）について解説する。

練習問題

15総合テストによって理解を確実なものにする。これまでの学習内容の総合テストを実施する。

総合テスト

12取り上げたライブラリ・フレームワークの特徴について説明出来る。

AIのライブラリ・フレームワークとその動向 (2)：AIに関するライブラリやフレームワークを紹介する。

練習問題

13AIエンジニアを取り巻く環境について説明出来る。

AIエンジニアを取り巻く環境 (1)：AIエンジニアを取り巻く環境（仕事内容とその変化、社会的ニーズ、など）について解説する。

練習問題

10取り上げた製品やサービスの動向について説明出来る。 AIの製品・サービス動向 (2)：AIに関する最新の製品やサービスの動向を取り上げ解説する。

練習問題

11取り上げたライブラリ・フレームワークの特徴について説明出来る。

AIのライブラリ・フレームワークとその動向 (1)：AIに関するライブラリやフレームワークを紹介する。

練習問題

8確認テストによって理解を確実なものにする。これまでの学習内容の確認テストを実施する。

確認テスト

9取り上げた製品やサービスの動向について説明出来る。 AIの製品・サービス動向 (1)：AIに関する最新の製品やサービスの動向を取り上げ解説する。

練習問題

6取り上げたAIに関する理論の概要と動向について説明出来る。 AIの理論動向 (6)：AIに関する最新の理論とその動向について解説する。

練習問題


練習問題


レポート


練習問題


練習問題


練習問題



練習問題


卒業研究


　【科目内容に沿った実務経験】　無

オリジナルテキスト

人工知能の最新の話題（活用事例、製品やサービス、ライブラリ・フレームワーク、理論、など）について学ぶことで、人工知能に対して広い視点を得ることを目的とする。

人工知能に関する最新の話題について説明出来る。人工知能の関連知識について説明出来る。



【評価基準】

①人工知能に関する最新の話題について説明出来ること。 ②人工知能の関連知識について説明出来ること。

企業連携有後期実習・実験駒数／週





科目名人工知能特論 2020年3月19日

作成日



【評価方法】


割合 60% 40% % % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14自然言語処理を実装出来る。

自然言語処理 (1)：自然言語処理について学習する。自然言語処理の基本的フロー（形態素解析、構文解析、意味解析、文脈解析）を理解した上で、Pythonにより実装する。


15自然言語処理を使用したシステムを実装出来る。自然言語処理 (2)：問題設定を行い自然言語処理を使用したシステムを実装する。


12RNNを実装出来る。 RNN (1)：時系列データの特徴、RNNの構造を理解した上で、RNNを実装する。


13RNNを実装出来る。 RNN (2)：問題設定を行いRNNを使用したシステムを実装する。


10CNNの構造について説明出来る。CNNを実装出来る。 CNN (1)：CNNの目的や構造を理解した上で、CNNを実装する。


11CNNを実装出来る。 CNN (2)：問題設定を行いCNNを使用したシステムを実装する。


8多クラス分類を実現するプログラムを作成出来る。

多クラス分類 (1)：機械学習のタスクのうち多クラス分類の実装方法について学習する。具体的には、モデルの実装方法、データの前処理について学習する。


9多クラス分類を実現するプログラムを作成出来る。

多クラス分類 (2)：機械学習のタスクのうち多クラス分類の実装方法について学習する。ここでは、問題設定を行いシステムを実装する。


6二値分類を実現するプログラムを作成出来る。

二値分類 (1)：機械学習のタスクのうち二値分類の実装方法について学習する。具体的には、モデルの実装方法、データの前処理について学習する。


7二値分類を実現するプログラムを作成出来る。

二値分類 (2)：機械学習のタスクのうち二値分類の実装方法について学習する。ここでは、問題設定を行いシステムを実装する。


4回帰を実現するプログラムを作成出来る。

回帰 (1)：機械学習のタスクのうち回帰の実装方法について学習する。具体的には、モデルの実装方法、データの前処理について学習する。


5回帰問題を実現するプログラムを作成出来る。

回帰 (2)：機械学習のタスクのうち回帰の実装方法について学習する。ここでは、問題設定を行いシステムを実装する。


2TensorFlowの低レベルAPIを使用したプログラムを作成出来る。

TensorFlowによる計算グラフの仕組みを理解した上で、TensorFlowの低レベルAPIについて学習する。具体的には、tf.Sessionオブジェクト、tf.Tensorオブジェクトとその具象オブジェクト、テンソル計算、tf.Saverについて学習する。


3

TensorFlowのオプティマイザーを使用して、最適解を求めることが出来る。TensorBoardの基本操作が出来る。

TensorFlowにおけるオプティマイザーとその種類、実装方法について学習する。TensorBoardによる基本操作、可視化の方法についても学習する。



1TensorFlow/Kerasの動作環境を構築出来る。

今日における代表的な機械学習ライブラリ・フレームワークの紹介を行い、TensorFlow/Kerasの動作環境の構築を行う。



機械学習Ⅱ・Ⅲ、AIシステム開発、卒業研究



オリジナルテキスト研究員として、データ分析、数値計算業務に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。

機械学習ライブラリ・フレームワーク及び関連ライブラリを使用して、AIシステムが作成出来るようになることを目的とする。

機械学習ライブラリ・フレームワークを使用して、AIシステムの実装が出来る。



【評価基準】

①機械学習ライブラリ・フレームワークを利用したプログラムを作成出来ること。 ②機械学習を使用したシステムが作成出来ること。

企業連携有前期実習・実験駒数／週





科目名 AIプログラミングⅡ 2020年3月19日

作成日



【評価方法】


割合 40% 20% 20% 20% % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14調査したAI技術について説明出来る。 AI技術調査 (4) : 卒業研究で使用するAI技術について探求する。

レポート


レポート


レポート


レポート

10クラウドサービスを用いたAIシステム開発ついて説明出来る。クラウドサービス利用開発 (4)：クラウドサービスを利用したAIシステム開発ついて学習する。



レポート





6

各種センサーで収集したデータを分析/判断するAIシステム開発について説明出来る。エッジAIシステムを実装できる。

エッジコンピューティング (4)：各種センサーで収集したデータを分析・判断するAIシステム開発について学習する。


7クラウドサービスを利用したAIシステム開発ついて説明出来る。クラウドサービス利用開発 (1)：クラウドサービスを利用したAIシステム開発ついて学習する。


4

各種センサー技術(磁気スイッチ、温湿度センサー、加速度センサーなど)ついて説明出来る。各種センサー技術を利用したプログラムを作成できる。

エッジコンピューティング (2)：各種センサー技術(磁気スイッチ、温湿度センサー、加速度センサーなど)について学習する。


5

各種センサー技術を利用したデータ収集ついて説明出来る。各種センサー技術を利用したデータ収集、データ処理プログラムを作成出来る。

エッジコンピューティング (3)：各種センサー技術を利用したデータ収集方法、収集データの処理方法について学習する。


2

テーマシステムの仕組みについて説明出来る。テーマシステムを実装出来る。

共通テーマ開発 (2) : 現在利用頻度の高いAIシステム(=テーマシステム)を取り上げ、その仕組みと実装方法について学習する。


3

エッジコンピューティングで使用するプラットフォームについて説明出来る。エッジコンピューティングで使用するプラットフォームの操作が出来る。

エッジコンピューティング (1)：エッジコンピューティングで使用するプラットファームについて学習する。



1

テーマシステムの構成について説明出来る。テーマシステムを実装出来る。

共通テーマ開発 (1) : 現在利用頻度の高いAIシステム(=テーマシステム)を取り上げ、その仕組みと実装方法について学習する。



機械学習Ⅲ、人工知能特論、卒業研究

担当教員安中悟・宇山亮テキスト・参考文献



様々な技術要素（機械学習ライブラリ・フレームワーク、クラウドサービス、IoTデバイスによるセンシングなど）を利用したAIシステムの構築が出来ることを目的とする。

各種AIシステムの構成を説明出来る。 AIシステムを実装出来る。



【評価基準】

①テーマシステムの仕組みを説明し、実装出来ること。 ②エッジコンピューティングについて説明出来ること。 ③クラウドサービスを利用したAIシステム開発について説明出来ること。






科目名 AIシステム開発 2020年3月19日

作成日



【評価方法】


割合 60% 20% % 20% % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14情報セキュリティマネージメントシステムとは何かを説明出来る。

情報セキュリティマネージメントシステム（ISMS）の意義と役割を踏まえた上で、評価制度および構築の方法について学習する。

練習問題

15個人情報の概念を説明出来る。個人情報保護法を概説出来る。

個人情報保護法に基づく個人情報の定義、個人情報の保護に関する基準（OECDガイドライン）について学習する。

練習問題

12電子認証とそれに関連する法律について説明出来る。電子署名法、政府認証基盤（GPKI）、公的個人認証サービス（JPKI）について学習する。

練習問題

13情報セキュリティとは何かを説明出来る。情報セキュリティ定義とその必要性、情報セキュリティの特性について学習する。

練習問題

10S/MIME、SSL、IPSecについて説明出来る。セキュア通信を実現する各種プロトコル（S/MIME、SSL、IPSec）の仕組みについて学習する。

練習問題

11電子認証の現状（認証局の導入例など）について説明出来る。

電子認証導入の現状について踏まえた上で、電子認証を導入する目的（リスク管理、コスト削減、ビジネス的観点）について学習する。また、電子認証技術の応用として実例を幾つか紹介する。

練習問題

8認証局の機能と業務について説明出来る。

認証局の機能と認証機関としての認証局の効果、認証局間の信頼モデル（個別認証方式、階層構造方式、相互認証方式）、電子証明書のライフサイクル、登録局の業務について学習する。

練習問題

9認証業務実施規定について説明出来る。

証明書ポリシー（Certificate Policy、CP）とは何かを踏まえた上で、認証業務実施規定（Certification Practice Statement、CPS）の意義と役割について学習する。

練習問題

6電子署名について説明出来る。

電子署名と電子署名方式について学習する。併せて、電子署名を利用したアプリケーションを幾つか紹介する。

練習問題

7電子証明書について説明出来る。 PKI（Public Key Infrastructure）、認証局、電子証明書の役割および規格について学習する。

練習問題

4共通鍵暗号について説明出来る。

共通鍵による暗号システムの一般論について説明した上で、具体的な共通鍵暗号について学習する。

練習問題

5公開鍵暗号について説明出来る。

公開鍵による暗号システムの一般論について説明した上で、具体的な公開鍵暗号について学習する。

練習問題

2秘匿通信の構成要素について説明出来る。

コンピュータ間通信における情報伝送モデルを踏まえた上で、秘匿通信とそれらを実現するためのプロトコル、暗号アルゴリズム、鍵の役割について学習する。

練習問題

3

暗号システムとは何かを説明出来る。暗号化における暗号アルゴリズム、鍵の役割について説明出来る。

古典暗号から現代暗号に至る暗号化の歴史と発展を踏まえた上で、暗号システムについて学習する。鍵の配送問題についても学習する。

練習問題


1

電子商取引とそのサービスの種類について説明出来る。電子商取引の脅威と対策ついて説明出来る。

電子商取引の歴史と発展を踏まえた上で、書面による商取引と比較しながら電子商取引とそのサービスの種類、事例を挙げながら電子商取引におけるサイバー犯罪の現状について学習する。また、電子商取引における脅威、それら対策について学習する。

練習問題


卒業研究

担当教員柳町結花テキスト・参考文献



情報セキュリティの概念、脅威とその対策方法を習得するとともに、暗号・認証に関する基本的知識の習得および人工知能のセキュリティへの活用方法の習得を目標とする。

セキュリティの基本事項（脅威とその対策、基幹技術）について説明出来る。人工知能のセキュリティへの活用が説明出来る。



【評価基準】

①情報セキュリティについて説明出来ること。 ②セキュリティの基本事項（脅威とその対策、基幹技術）について説明出来ること。 ③人工知能のセキュリティへの活用が説明出来ること。






科目名 AIセキュリティ 2020年3月19日

作成日



【評価方法】


割合 60% 40% % % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14ニューラルネットワークによる他クラス分類の方法について説明出来る。分類 (4)：多クラス分類問題における機械学習アルゴリズムについて学習する。

練習問題


総合テスト

122値分類の性能評価とその指標について説明出来る。分類 (2)：2値分類の性能評価について学習する。

練習問題

13

SVMで取り扱い可能な問題について説明出来る。SVMのアルゴリズムについて説明出来る。

分類 (3)：SVMについて学習する。SVMの分類問題、回帰問題への適用について学習する。SVMの最適化の方法について学習する。

練習問題

10最小二乗法について説明出来る。

回帰 (2)：、回帰モデルの評価と最小二乗法について学習する。ニューラルネットワークで回帰問題を取り扱う方法について学習する。

練習問題

11ロジスティック回帰について説明出来る。

分類 (1)：機械学習のタスクの一つである分類について学習する。ここでは、2値分類を取り上げ、ロジスティック回帰について学習する。

練習問題


確認テスト

9回帰とは何かを説明出来る。回帰モデルの種類について説明出来る。

回帰 (1)：機械学習のタスクの一つである回帰について学習する。ここでは、回帰モデルの種類（一般線形モデル、一般化線形モデル）について学習する。

練習問題

6過学習とは何かを説明出来る。過学習となる状況を把握できる。

モデルの複雑性と汎化性能 (2)：シミュレーションにより、過学習が発生する状況について学習する。

練習問題

7正則化の目的と方法について説明出来る。代表的な正規化について説明出来る。

モデルの複雑性と汎化性能 (3)：正則化の目的と効果について学習する。代表的な正則化（L1正則化、L2正則化、ElasticNet、等）について学習する。

練習問題

4データセット分割の各種方法について説明出来る。

データセットの分割手法：データセットの分割手法について学習する。ここでは、hold-out法、k-cross validation、leave-one out法について学習する。

練習問題

5

モデルの複雑性について説明出来る。モデルの複雑性とフィッティングの関係について説明出来る。

モデルの複雑性と汎化性能 (1)：モデルの複雑性と汎化性能について学習する。

練習問題

2バックプロパゲーションによるアルゴリズムについて説明出来る。バックプロパゲーション (2)：一般的なバックプロパゲーションのアルゴリズムについて学習する。

練習問題

3正規化の目的と効果について説明出来る。

正規化：データの正規化の必要性を踏まえた上で、正規化の各種方法および特徴と用途について学習する。

練習問題


1

バックプロパゲーションについて説明出来る。バックプロパゲーションによるアルゴリズムについて説明出来る。

バックプロパゲーション (1)：バックプロパゲーションの長所を踏まえた上で、シンプルなニューラルネットワークに関するバックプロパゲーションのアルゴリズムについて学習する。

練習問題


AIプログラミングⅡ、機械学習Ⅲ、AIシステム開発、卒業研究



オリジナルテキスト研究員として、大規模データの分析および統計学的手法に基づいた理論物理学の研究に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。

代表的な教師あり学習・教師なし学習のアルゴリズムについて、基礎的な知識と実装方法を習得することを目的とする。

代表的な教師あり学習及び教師なし学習について説明出来る。



【評価基準】

①代表的な教師あり学習のアルゴリズムについて説明出来ること。 ②代表的な教師なし学習のアルゴリズムについて説明出来ること。






科目名機械学習Ⅱ 2020年3月19日

作成日



【評価方法】


割合 60% 40% % % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14ニューラルネットワークを強化学習で使用する基本的な仕組みを説明出来る。

強化学習 (3)：ニューラルネットワークを強化学習に適用するメリット・デメリットについて学習する。

練習問題


総合テスト

12強化学習とは何かを説明出来る。

強化学習 (1)：強化学習の概要について学習する。具体的には、強化学習における問題設定、機械学習における強化学習の位置付け、強化学習のメリット・デメリットについて学習する。

練習問題

13強化学習の構成要素について説明出来る。強化学習 (2)：MDP、エージェント、環境、状態遷移確率、利得について学習する。

練習問題

10GANについて説明出来る。 GAN (1)：GANの用途およびGANの各種派生アルゴリズムについて学習する。

練習問題

11GANの構成について説明出来る。 GAN (2)：GANの目的と構造について学習する。

練習問題

8LSTMについて説明出来る。 RNN (3)：LSTMの用途と仕組みについて学習する。

練習問題


確認テスト

6RNNの構造について説明出来る。 RNN (1)：時系列データの特徴を踏まえた上で、RNNについて学習する。

練習問題

7RNNのバックプロパゲーションについて説明出来る。転移学習について説明出来る。 RNN (2)：RNNのバックプロパゲーション、学習済みモデルと転移学習について学習する。

練習問題

4CNNで使用する画像処理について説明出来る。 CNN (2)：CNNで使用する画像処理の仕組みについて学習する。

練習問題

5CNNのバックプロパゲーションについて説明出来る。転移学習について説明出来る。 CNN (3)：CNNのバックプロパゲーション、学習済みモデルと転移学習について学習する。

練習問題

2AutoEncoderの数学的特徴について説明出来る。 AutoEncoder (2)：AutoEncoderのアルゴリズムの数学的側面について学習する。

練習問題

3CNNの構造について説明出来る。 CNN (1)：一次視覚野と畳み込みについて理解した上で、CNNのモデルについて学習する。

練習問題


1AutoEncoderの特徴・目的を説明出来る。AutoEncoderの構造を説明出来る。

AutoEncoder (1)：ディープラーニングにおけるAutoEncoderの用途および役割を踏まえた上で、AutoEncoderのアルゴリズムについて学習する。

練習問題


AIシステム開発、卒業研究



オリジナルテキスト研究員として、Pythonプログラミングによるデータ分析、数値計算業務に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目の機械学習に対する職業実践的な教育を行う。

今日有効な機械学習アルゴリズム（AutoEncoder、CNN、RNN、GAN）に関する理論的側面および実装方法を習得することを目的とする。

授業で取り上げるアルゴリズム（AutoEncoder、CNN、RNN、GAN）について説明出来る。強化学習について説明出来る。



【評価基準】

①授業で取り上げるアルゴリズム（AutoEncoder、CNN、RNN、GAN）とは何かを説明出来ること。 ②強化学習とは何かを説明出来ること。






科目名機械学習Ⅲ 2020年3月19日

作成日



【評価方法】


割合 60% 30% 10% % % % % %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14テキストマイニングを実施出来る。テキストマイニング：文書データを分析する手法であるテキストマイニングについて学習する。

練習問題

15総合テストによってこれまでの学習内容の理解度を確認する。これまでの学習内容の総合テストを実施する。

総合テスト

12decision treeによるクラス分類を実施出来る。クラス分類：decision treeによるクラス分類について学習する。

練習問題

13回帰分析を実施出来る。回帰分析：連続値の出力データを予測する回帰分析について学習する。

練習問題

10非階層的クラスター分析を実施出来る。

クラスター分析 (2)：クラスター分析について学習する。ここでは、k-menas法による非階層的クラスター分析について学習する。

練習問題

11これまでに学習した内容を復習し、理解を確実なものにする。演習問題を解くことにより、これまでの学習内容の理解を定着させる。

演習問題

8アソシエーション分析による分析結果の適切な評価が出来る。

アソシエーション分析 (2)：アソシエーション分析の評価の尺度の解釈と分析の際の注意点について学習する。

練習問題

9階層的クラスター分析を実施出来る。

クラスター分析 (1)：クラスター分析について学習する。ここでは、樹形図による階層的クラスター分析について学習する。

練習問題

6これまでに学習した内容を復習し、理解を確実なものにする。演習問題を解くことにより、これまでの学習内容の理解を定着させる。

演習問題

7アソシエーション分析を実施出来る。

アソシエーション分析 (1)：アソシエーション分析について学習する。具体的には、アソシエーション分析の手法とルール評価、分析手法について学習する。

練習問題

4相関分析を実施出来る。

相関分析 (1)：2変数間の相関を調べる相関分析について学習する。ここでは、相関の意味と定義、尺度について学習する。

練習問題

5隠れた相関とは何かを説明出来る。

相関分析 (2)：2変数間の相関を調べる相関分析について学習する。ここでは、隠れた相関について学習する。

練習問題

2z検定を実施出来る。

検定 (1)：標本データにおける2グループ間の平均値の差を検討する方法のうち、z検定について学習する。

練習問題

3t検定を実施出来る。

検定 (2)：標本データにおける2グループ間の平均値の差を検討する方法のうち、t検定について学習する。

練習問題


1

データの種類について説明出来る。データ分析・活用の代表的なツールについて説明出来る。データマイニングとは何かを説明出来る。データマイニングのプロセスについて説明出来る。

データの種類、ビッグデータ活用の背景、データ分析・活用の代表的なツールを踏まえた上で、データマイニングとは何か、データマイニングのプロセスについて学習する。

練習問題


AIプログラミングⅡ、機械学習Ⅱ・Ⅲ、AIシステム開発、卒業研究



オリジナルテキスト研究員として、大規模データの分析および統計学的手法に基づいた理論物理学の研究に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。

データマイニングを用いたデータ分析の習得を目的とする。基本的な統計解析が出来る。基礎的なデータマイニングの手法を用いたデータ分析が出来る。



【評価基準】

①基本的な統計解析が出来ること。 ②代表的なデータマイニングの手法を用いてデータ分析が出来ること。

企業連携有前期実習・実験駒数／週





科目名データマイニング 2020年6月16日

作成日


演習／実習 3 駒総単位数 5単位

【評価方法】


割合 % % % 50% % % 50% %

回数

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

理解度確認

14実施した研究の内容について説明出来る。研究 (14)：研究を実施する。

日報

15

実施した研究の内容について説明出来る。ここまでの成果や問題点などをまとめ、報告することが出来る。研究成果を発表することが出来る。

研究 (15)：研究を実施する。最終報告を行う。研究成果を発表する。

日報、最終報告書、成果物


日報


日報

10

実施した研究の内容について説明出来る。ここまでの成果や問題点などをまとめ、報告することが出来る。

研究 (10)：研究を実施する。中間報告を行う。

日報、中間報告書、成果物


日報


日報


日報


日報


日報


日報

5

実施した研究の内容について説明出来る。ここまでの成果や問題点などをまとめ、報告することが出来る。

研究 (5)：研究を実施する。中間報告を行う。

日報、中間報告書、成果物

2自身の研究テーマついて説明出来る。研究 (2)：研究テーマを検討・選択する。

日報


日報


1自身の研究テーマついて説明出来る。研究 (1)：研究テーマを検討・選択する。

日報


担当教員安中悟・石黒元康・宇山亮・福田竜郎テキスト・参考文献



2年間の集大成として各自・各グループでテーマを設定し、研究・制作活動を行う。卒業論文を提出し、プレゼンテーションを行う。

各自・各グループで設定した研究・制作活動を完成させる。



【評価基準】

①卒業研究のテーマについて説明出来ること。 ②卒業研究の内容について説明出来ること。 ③卒業研究の成果について説明出来ること。

企業連携有後期実習・実験駒数／週





科目名卒業研究 2020年3月19日

aiシステム科 シラバス 2020年度入学生 · canvas...

Documents

aiシステム科シラバス 2020年度入学生 · canvas...