シラバス参照
シラバス参照
| 科目一覧へ戻る | 2026/03/12 現在 |
| 科目名／Subject | 知識科学基礎（昼間コース） |
|---|---|
| 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 | 2026年度／Academic Year 前期／Spring Semester |
| 開講曜限／Class period | 月/Mon 3 |
| 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 | 2026/03/09 | ||
|---|---|---|---|
| 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します。近年は大規模言語モデル（LLM: Large Language Models）の発展が著しいことから、その仕組みや応用事例についても取り上げ、従来の自然言語処理技術との違いや社会への影響について理解を深めます。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や、人間の発言を理解して応答する対話処理などがあります。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。 本授業の目的は、自然言語処理の代表的な考え方や基本技術を体系的に理解し、身近な言語処理システムがどのような仕組みで動いているのかを説明できるようになることです。あわせて、専門的な論文や技術資料に触れながら、情報を読み取り要点を整理する力を養うことを目指します。 授業は講義形式を中心に進めますが、具体例や簡単な演習を通して理解を確認します。論文の導入部分を読む課題では、背景・目的・貢献の整理を行い、内容を言語化する練習を行います。これにより、知識の習得だけでなく、専門分野の文章に慣れることを重視します。 |
||
| 達成目標 ／Course Goals |
本授業を通じて、人工知能および自然言語処理の基本概念と代表的な技術について説明できるようになることを達成目標とします。具体的には、人工知能の歴史的背景や主要な研究課題を理解し、音声・画像・言語といった情報がコンピュータ上でどのように表現・処理されるかを説明できることを目指します。また、形態素解析や特徴量表現、機械学習の基礎的な考え方を理解し、処理の流れを概念的に整理できるようになることを重視します。さらに、論文やレポートの基本的な構成を理解し、背景・目的・方法・結果を意識して内容を読み取り、自らの言葉で要点をまとめられることも目標とします。加えて、再現率・適合率などの評価指標の意味を理解し、結果を適切に解釈できる基礎力を身につけることを目指します。 | ||
| 授業内容 ／Course contents |
第01回 研究論文・レポートとは 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、TF-IDF） 第13回 対話処理・質問応答 第14回 機械学習・ニューラルネットワーク・大規模言語モデル 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 |
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。 |
||
| 成績評価の基準 ／Grading Criteria |
社会情報学科標準成績評価基準に従う。 | ||
| 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 | ||
| 授業実施方法 ／Method of class |
①面接授業／Face-To-Face class | ||
| 遠隔授業 ／Online class |
|