Syllabus data

Teacher name ： 笹嶋 宗彦
Course Title
Advanced Lecture for Artificial Intelligence
Course Title in English
Advanced Lecture for Artificial Intelligence
Course Type
-
コース応⽤科⽬(データ科学コース)
Eligible Students
Graduate School of Information Science
Target Grade
1Year
Course Numbering Code
KIIMD5MCA1
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
講義 (Lecture)
Eligible Year/Semester
Fall semester 2026
Instructor
笹嶋 宗彦,湯本 高行
Affiliation
情報科学研究科
Language of Instruction
Japanese
Related SDGs
9
Office Hours and Location
講義後
商科C情報科学研究棟4階研究室(笹嶋，湯本)
Contact
sasajima@sis.u-hyogo.ac.jp
yumoto@sis.u-hyogo.ac.jp

Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
ー
Corresponding Graduate School DP
2◎／1〇
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー

Course Objectives and Learning Outcome
講義目的
　人工知能技術のうち、人工知能システムの構築および自然言語処理について理解することを目的とする。

到達目標
  • 人工知能システムによる問題解決の原理を説明できる。
  • 自然言語処理とそれを用いた代表的な手法を説明したり、実際に使用したりすることができる。 
Subtitle and Keywords of the Class
Course Overview and Schedule
講義内容
　本講義では、人工知能技術のうち、人工知能システムの構築および自然言語処理について学ぶ。人工知能システムについては、それを構成する知識、問題解決、インタフェースの3つの面から学ぶことを目的とする。具体的にはオントロジー工学(実世界の分析、知識の構築と活用技術)、推論と探索(問題解決の基本技術)、対話型インタフェース(音声対話システムなど)について紹介する。自然言語処理は人間が日常的に使う言語をコンピュータで処理する技術である。自然言語処理については、形態素解析をはじめとした言語理解のための基盤技術を扱う。さらに、ニューラルネットワークを自然言語処理技術についても取り上げる。

なお，最新の人工技能技術の社会応用例を学ぶために，外部企業からゲスト講師を招くことがある．その場合には，下記のトピックの順序や，内容そのものを変更する場合がある．

また，全講義を通じて，パソコンを利用しての講義を行うことがある．利用や必要な準備(ソフトウェアのインストールなど)について出来る限り予告するが，毎回，持参することが望ましい．

授業計画
  1. イントロダクション：人工知能とは
  2. 知的対話システム(1)
  3. 知的対話システム(2)
  4. 知識の記号化(1)
  5. 知識の記号化(2)
  6. 企業における人工知能技術活用(1)
  7. 企業における人工知能技術活用(2)
  8. 企業における人工知能技術活用(3)
  9. 企業における人工知能技術活用(4)
  10. 企業における人工知能技術活用(5)
  11. 自然言語処理の概要
  12. 文章のベクトル表現
  13. 文章を系列として扱うニューラルネット
  14. 大規模言語モデル
  15. 自然言語に関する発展的話題
In-person/Remote Classification
Remote (Receiving Campus)
Implementation Method and Remote Credit Limit Application
当授業は、神戸商科キャンパスから同時配信により神戸情報科学キャンパスにも配信します。そのため、『対面・遠隔の別』欄では「遠隔」となっていますが、神戸商科キャンパスで受講する院生は「対面」授業となります。
Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポート・論文として提出してはならない。
Textbook
適宜資料を配布する。
References
山田 育矢 他：大規模言語モデル入門，技術評論社 (2023)
他にも授業中に適宜指⽰する。
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
毎回の講義で次回について予告するので，それに応じて予習することが望ましい．技術的な講義については当該技術について調べる事．企業等ゲストスピーカーによる講義の場合は該当企業の研究開発の焦点，得意分野，その他予告されたトピックについて調べる事．目安は2時間．
また，次回の講義までに行うべき事後学習についても同様である．技術的な講義の場合には，当日講義された技術について復習すること．企業等のゲストスピーカーによる講義の場合は，レポート提出に備えて講義をまとめておくこと．目安は2時間．
Contents of Active Learning
講義の回によってはグループディスカッションやグループでの課題製作を行うことがある．
Grading Criteria and Methods
担当教員ごとに出題するレポートによって評価する．
前半：笹嶋(50％)，後半：湯本(50％)
その他，ゲストスピーカーによる講義の場合については，課題提出が求められた場合，それも評価対象とする．ゲストスピーカーによる課題については，講義の実施された期間の担当教員の評価にそれを組み入れる．
受講態度については原則として評価しないが，必要と判断した場合には，担当教員間で協議の上，評価し，総合成績に加点または減点する．
How to Disclose Assignments and Exam Results
期中の課題については，優秀なものについて，模範解答として全体に紹介することがある．
期末の課題については，成績について質問があれば，個別に対応する．
Precautions and Requirements for Course Registration
機械学習特論、プログラミング演習の内容を十分に理解していることを前提とする。
Practical Education
該当しない
Remarks
講師の都合により，講義の内容や順番が変わる可能性があります．初回のオリエンテーションにて，講義内容を予告します．
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.