2025年度 (最新) 学院等開講科目情報理工学院専門科目

基盤人工知能演習

開講元: 専門科目
担当教員: 宮﨑慧 / 柳澤渓甫 / 富井規雄 / 横田孝義 / 岡﨑直観 / 下坂正倫 / 関嶋政和 / 奥村圭司 / 新田克己 / 三宅美博 / 小野功
授業形態: 演習 (ハイフレックス型)
メディア利用科目: -
曜日・時限 (講義室): 月7-8 (S6-219, S6-211, S6-109, すずかけ台図書館情報ネットワーク演習室)
クラス: -
科目コード: XCO.T490
単位数: 010
開講時期: 2025年度
開講クォーター: 3Q
シラバス更新日: 2025年9月10日
使用言語: 英語

シラバス

授業の目的（ねらい）、概要

人工知能とは，人間のような知能を人工的に作ることを目指した研究分野である．近年，大量のデータや計算能力の向上を背景として，機械学習や深層学習が飛躍的な進化を遂げ，あらゆる分野で人工知能技術が活用されるようになった．本講義では，人工知能の基礎的な概念・理論をコンピュータ・ソフトウェアとして実装し，人工知能技術の実用化に従事するために必要な技術の習得を目指す．

到達目標

データ処理や機械学習をコンピュータ上で実現する方法を理解し，人工知能技術の実用化に従事するために必要な実装力の習得を目指す．

キーワード

分類，回帰，勾配法，パーセプトロン，活性化関数，誤差逆伝搬法，自動微分，畳み込みニューラルネットワーク

学生が身につける力

専門力
教養力
コミュニケーション力
展開力 (探究力又は設定力)
展開力 (実践力又は解決力)

授業の進め方

講義科目「基盤人工知能」と連動し，講義内容に関連したプログラミング演習を行う．

授業計画・課題

	授業計画	課題
第1回	ガイダンス，Pythonの基礎	変数，制御文，関数等
第2回	NumPyによる線形代数	基礎数学（線形代数，確率・統計，微分積分）の復習
第3回	線形回帰	損失関数，経験損失最小化，過剰適合，正則化，バイアスとバリアンス，線形モデル（線形回帰），リッジ回帰
第4回	線形分類	線形モデル（分類），ロジスティック回帰，勾配法
第5回	単層ニューラルネットワーク	単層パーセプトロン，活性化関数，計算グラフ，自動微分
第6回	多層ニューラルネットワーク	多層パーセプトロン，隠れユニット，誤差逆伝搬法，ソフトマックス
第7回	畳み込みニューラルネットワーク	畳み込みニューラルネットワーク，ドロップアウト

準備学修(事前学修・復習)等についての指示

学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。

教科書

なし

参考書、講義資料等

Science Tokyo LMS にて電子的に配布する．

成績評価の方法及び基準

演習課題に関するレポートに基づく

履修の条件・注意事項

本演習を履修する場合は，同年度・同クォータに開講される「XCO.T489 基盤人工知能」，「XCO.T487 基盤データサイエンス」および「XCO.T488 基盤データサイエンス演習」を同時に履修することを強く推奨します．なお，物質・情報卓越教育院の登録学生は，「XCO.T487 基盤データサイエンス」および「XCO.T488 基盤データサイエンス演習」の代わりに「TCM.A404 マテリアルズインフォマティクス」を受講してください．
博士後期課程の方はXCO.T680「基盤人工知能発展演習」を申告してください。基盤人工知能演習と基盤人工知能発展演習は同時に申告することはできません。

連絡先 (メール、電話番号) ※”[at]”を”@”(半角)に変換してください。

以下のメーリングリストに質問すること．
efai-2025-3q[at]dsai.isct.ac.jp

その他

Google Colaboratory を使って演習を行います．第１回目までに各自 Google アカウントを取得し，Google Drive でのファイルアップロード／ダウンロードができるようにしておいてください．
すずかけ台キャンパスでは，演習室が図書館内にあるため，入室には学生証が必要です．
演習室のPCを利用するには，東京科学大学理工学系ポータル（旧Tokyo Tech Portal）の教育用電子計算機システムから「ログインID」を確認し，「パスワード」を設定しておく必要があります．演習開始までに必ず手続きを済ませてください．