シラバス参照
シラバス参照
| 科目一覧へ戻る | 2025/04/16 現在 |
| 科目名／Subject | 知識科学／Knowledge Science |
|---|---|
| 担当教員（所属）／Instructor | 木村 泰知 (商学部) |
| 授業科目区分／Category | 現代商学専攻博士前期課程 基本科目 |
| 開講学期／Semester | 2025年度／Academic Year 後期／Fall Semester |
| 開講曜限／Class period | 水/Wed 2 |
| 対象所属／Eligible Faculty | 商学研究科現代商学専攻博士前期課程／Graduate School of CommerceGraduate School of Commerce Major in Modern Commerce |
| 配当年次／Years | 1年 , 2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 | 2025/02/28 | ||
|---|---|---|---|
| 授業の目的・方法 ／Course Objectives and method |
本講義では、統計的アプローチおよびニューラルネットワークによる自然言語処理を理解することを目的として，自然言語処理に関する英語のテキストを読む。 本科目の履修を通して獲得が期待される能力・技能は以下の通りである。 ・自然言語処理に関する基礎的な理論やアルゴリズムを理解し、簡単なプログラムを作成できる |
||
| 達成目標 ／Course Goals |
本講義では、人工知能における知識に関する分野に焦点を当て、知識獲得、情報抽出について、自然言語処理の手法を理解する。これらの手法を理解するには、概念、あるいは、理論のみならず、プログラムにより実装できることも必要であることから、pythonによるプログラミングも補助的に利用する。 | ||
| 授業内容 ／Course contents |
使用教材のテキストを読み理解を深める。 第01週 情報検索および情報抽出の概要 第02週 pythonを用いた自然言語処理 第03週 知識獲得に関する研究について 第04週 情報抽出に関する研究について 第05週 オントロジー、知識ベース、Web Ontology Language 第06週 ニューラルネットワーク 第07週 word embedding、word2vec 第08週 深層学習について 第09週 RNN (Recurrent Neural Network) 第10週 LSTM (Long short-term memory) 第11週 Transformer、Attention 第12週 BERT（Bidirectional Encoder Representations from Transformers) 第13週 GPT (Generative Pre-trained Transformer) 第14週 コーパス、データセットの構築 第15週 データセットを用いたコンペティション この講義は、情報検索における検索クエリと検索結果の事例を通して、従来手法の問題点を明らかにして、どのように解決してきたのかを解説します。そのため、授業のなかで取り扱う情報検索手法の問題点を指摘できるようにテキストを事前に通読しておいてください。また、授業のなかで説明した手法等については必ず調べるようにしてください。 ・事前に配布する資料は必ず目をとおし、分からない語彙等は必ず調べておくこと。 ・事後学修として、授業で解説した内容をまとめておくこと。 |
||
| 事前学修・事後学修 ／Preparation and review class |
本講義に関する基本的な考え⽅や分析⼿法を説明し、興味を抱いてもらうという本科⽬の⽬的を達成するため、普段から人工知能に関係するような新聞雑誌の記事等をよく読むように⼼がけ、そのしくみに興味を持ち、最新技術の動向に関⼼を向ける。 ・ 人工知能、あるいは、自然言語処理に関する基礎的な単語の意味を調べる ・ 事前に配布する使用教材、および、参考⽂献を読む ・ 事後には、プログラミングによる確認をする |
||
| 使用教材 ／Teaching materials |
Foundations of Statistical Natural Language Processing, Christopher Manning (著), Hinrich Schuetze (著) 1999. 上記以外に、自然言語処理に関する論文を使用する。 |
||
| 成績評価の方法 ／Grading |
出席率 40% 授業への参加度（事例，討論、調査） 30% ホームワーク（事前課題の提出） 10% 小テスト 10% 試験ないしプレゼンテーション（最終課題） 10% |
||
| 成績評価の基準 ／Grading Criteria |
秀（１００～９０）：知識科学について秀でた理解力がある。 優（８９～８０） ：知識科学について優れた理解力がある。 良（７９～７０） ：知識科学について理解力がある。 可（６９～６０） ：知識科学について最低限の理解力がある。 不可（５９～０） ：知識科学について十分な理解力を持っていない。 |
||
| 履修上の注意事項 ／Remarks |
履修希望者は kimura＠res.otaru-uc.ac.jp 宛に事前にメールを送ること。 | ||
| 実務経験者による授業 ／Courses conducted by the ones with practical experiences |
該当しない／No | ||
| 授業実施方法 ／Method of class |
○大学院授業／Graduate school class | ||
| 遠隔授業 ／Online class |
|