Numbering Code		Year/Term	2022 ・ Intensive, year-round
Number of Credits	2	Course Type	Lecture
Target Year		Target Student
Language	Japanese	Day/Period	Intensive
Instructor name	YAMAMOTO AKIHIRO (Graduate School of Informatics Professor) SATOU ATSUSHI (Part-time Lecturer) KAMEDA YOSHIO (Part-time Lecturer)
Outline and Purpose of the Course	今や翻訳ツールや画像認識など、日常生活においても特別な存在ではなくなった「人工知能」は、これからも更なる発展が予想され、今後の企業の競争力において非常に重要な役割を担うと考えられている。一方で、人類は未だ「知性」や「知能」に対して明確な定義を持っておらず、「人工知能」という言葉の定義は現在も曖昧さを含んでいる。そこで、本講義では人工知能誕生の歴史的背景から現在の進化さらには今後の展望に至るまでを時系列で整理した上で、認識、分析、制御の3つの観点から技術面・応用面を含め体系的に捉え、さらには、受講生の自らの専門領域での適用可能性の考察を促し、「人工知能」の将来についての展望を講述する。
Course Goals	人工知能を正しく理解しその内部構造の技術を応用できるような水準になることを目指す。
Schedule and Contents	集中講義形式で以下のような合計15回の講義を行う予定である。「認識」，「分析（理論その２）」「「分析（応用）」については企業からの非常勤講師を招聘する予定である。学習の理解度に応じて、内容を変更する場合がある。 １．イントロダクション（2回） 　　人工知能とは（1回） 　　人工知能研究の系譜（1回） ２．認識（5回） 　　 理論（3回）・ベイズ決定理論 　　　　　　　　　 ・教師なし学習(最尤推定、ベイズ推定) 　　　　　　　　　 ・教師あり学習(ニューラルネット、SVM、AdaBoost等) 　　　　応用（2回）・画像認識（2次元） 　　　　　　　　　 ・音声認識（時系列） ３．分析（6回） 　　　　理論その１（2回） 　　　　・データ分析の一般手法について 　　　　　＜関係性を知る＞　　相関分析、主成分分析、因子分析、等 　　　　　＜グループ化する＞　ABC分析、クラスター分析、等 　　　　　＜予測する＞　回帰分析、判別分析、決定木分析、時系列分析、等 　　　 理論その２（2回） 　　　　・複数のモデルの結合によるアルゴリズム 　　　　　勾配ブースティング、ランダムフォレスト、異種混合学習、混合モデル、 　　　　　EMアルゴリズム、等 　　　　応用（2回） 　　　　・需給予測 　　　　　　 ４．制御（1回） 　　　　・コントロールへの応用を学ぶ ５．人工知能の将来（1回） 　　　　受講生が自らの専門領域での適用を検討し人工知能全般への理解を深める 講義の進度や非常勤講師招聘の状況に応じて，日程を調整し，また内容を取捨・追加することがある。
Evaluation Methods and Policy	講義ごとのレポートならびに講義終了後のレポートにより総合的に判断する。
Course Requirements	線形代数学，基礎的な確率・統計を既に受講しているか、同等の知識を有することが望ましい。
Study outside of Class (preparation and review)	講義の効果を高めるため事前予習を課す場合がある。
Textbooks	Textbooks/References	特に定めない。必要な資料は講義において配布する。
References, etc.	必要に応じて講義内で紹介する。