シラバス参照
シラバス参照
| 科目一覧へ戻る | 2023/03/17 現在 |
| 科目名／Subject | 知識科学基礎 |
|---|---|
| 担当教員（所属）／Instructor | 木村 泰知 (商学部) |
| 授業科目区分／Category | 昼間コース 学科別専門科目 |
| 開講学期／Semester | 2021年度／Academic Year 後期／Fall Semester |
| 開講曜限／Class period | 他 |
| 対象所属／Eligible Faculty | 商学部昼間コース／Faculty of CommerceDay School |
| 配当年次／Years | 2年 , 3年 , 4年 |
| 単位数／Credits | 2 |
| 研究室番号／Office | |
| オフィスアワー／Office hours |
| 更新日／Date of renewal | 2021/03/09 | ||
|---|---|---|---|
| 授業の目的・方法 ／Course Objectives and method |
知識科学基礎では，人工知能分野の一つである自然言語処理について知識や技能を身につけることを目標とする．自然言語処理分野では，人間と同等の処理能力を有するコンピュータの構築を目標として，数多くの研究が行われてきました．例えば，日本語から英語へ翻訳する機械翻訳，人間の発言を理解して応答する対話処理などがあげられます．このような処理を行うためには，まず，単語単位に分割を行い，品詞を同定する必要があります．また，文の構造を解析することや，意味の表現についても考える必要があります．講義では，機械翻訳のような応用例を紹介しながら，コンピュータの内部で行われている処理（アルゴリズム）や知識の表現方法について説明します．また，毎週，講義に関連する論文の「はじめに」を読むことで，理解を深めてもらいます． | ||
| 達成目標 ／Course Goals |
本講義の目標は，コンピュータ上での言語を処理する方法を理解することと，論文の読み方と書き方の基本を習得することである． |
||
| 授業内容 ／Course contents |
第01回 研究の進め方、レポートの書き方 第02回 人工知能の歴史（第一次ブームから第三次ブームまで） 第03回 人工知能の歴史（フレーム問題、機械学習、ニューラルネットワーク） 第04回 音の処理（アナログ・デジタル変換、標本化、量子化、音声認識） 第05回 画像処理（ピクセル、解像度、RGB）、画像認識（文字認識、顔認識） 第06回 ゲーム（探索、機械学習、深層学習） 論文、レポートの書き方 第07回 オートマントン、正規表現 第08回 言語処理：形態素解析（単語分割、品詞推定）の必要性 第09回 言語処理：形態素解析（最長一致、コスト最小法、統計処理） 第10回 言語処理：形態素解析を用いた単語出現頻度、共起頻度の計算 第11回 言語処理：形態素解析からベクトルへの変換、word2vec 第12回 言語処理：特徴語（TF、IDF、TFIDF） 第13回 対話処理、ロボット、 第14回 機械学習、ニューラルネットワーク 第15回 言語処理の評価指標（再現率、適合率、F値、混同行列） 毎回の授業の後，マナバの小テスト機能を使って小テストを行います。この小テストで，内容を理解しているかを確認します。質問に回答してもらうことで，動画を見たことの確認、出席の記録にします。前期期末試験は実施せず、レポートを提出してもらいます。 |
||
| 事前学修・事後学修 ／Preparation and review class |
事前学修： 毎回の授業の前に，講義資料をマナバへアップするので目を通しておいてください。 事後学修： 授業の内容についても関連教材，マスメディアやWebから情報収集し理解を深めるようにしてください。 |
||
| 使用教材 ／Teaching materials |
マナバ経由で講義資料を配布する。 | ||
| 成績評価の方法 ／Grading |
社会情報学科標準成績評価基準に従う． | ||
| 成績評価の基準 ／Grading Criteria |
小テスト・課題提出・レポートを総合して評価する。 成績評価の基準については，第１回の講義で説明する。 |
||
| 実務経験者による授業 ／Courses conducted by the ones with practical experiences |
該当しない／No | ||
| 備考 ／Notes |
データサイエンス応用科目 | ||
| 遠隔授業 ／Online class |
|