シラバス情報

授業科目名
知能情報セミナーⅠ
(英語名)
Advanced Seminar on ArtificialIntelligence andInformatics Ⅰ
科目区分
知能情報分野科目
対象学生
工学研究科
学年
1年
ナンバリングコード
HETDA7MCA1
単位数
2.00単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2026年度後期
(Fall semester)
担当教員
上浦 尚武、礒川 悌次郎、森本 佳太
所属
工学研究科
授業での使用言語
その他言語
受講生の希望に合わせて,日本語または英語で行う。
関連するSDGs目標
目標9
オフィスアワー・場所
オフィスアワー:随時(上浦、礒川、森本、mailでの事前連絡要) 
場所:書写6202(上浦)、書写6204(礒川)、書写B618(森本)
連絡先
kamiura@eng.u-hyogo.ac.jp (上浦)
isokawa@eng.u-hyogo.ac.jp(礒川)
keita.morimoto@eng.u-hyogo.ac.jp (森本)


対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
研究科DP
1◎/2〇/3〇
全学DP
教職課程の学修目標

講義目的・到達目標
講義目的
本科目では、自身が遂行する研究について、その背景や関連研究について理解・整理・評価したうえで、残存する課題について説明するとともに、それらの背景に基づく自身の研究の位置づけや価値について論じる能力を身につける。また,自身の研究の理論や提案について正確に説明ができる技術を習得する。

達成目標
1)自身が遂行する研究について、その背景や関連研究について理解・整理・評価した上で概説できること、2)自身が遂行する研究について、その背景や関連研究について概説できること、3)自身が遂行する研究について、位置づけ、価値、理論や提案について正確に説明できること、以上である。

授業のサブタイトル・キーワード
サブタイトル: 知能情報技術
キーワード:確率・統計、データサイエンス、ニューラルネットワークと機械学習、深層学習、進化計算
講義内容・授業計画
講義内容
本科目では、自身が遂行する研究について、その背景や関連研究について理解・整理・評価したうえで、残存する課題について説明するとともに、それらの背景に基づく自身の研究の位置づけや価値について論じる能力を身につける。また,自身の研究の理論や提案について正確に説明ができる技術を習得する。

授業計画
以下のオムニバス方式により演習する.

(担当)上浦:研究課題の発掘,研究企画立案アプローチについての演習
1.病理医業務支援システム開発を例とした研究課題発掘
2.病理医業務支援システム開発を例とした研究企画立案
3.病理医業務支援システム開発を例とした研究実験計画
4.病理医業務支援システム開発を例としたデータ処理
5.医療支援システム開発に関するプレゼンテーション

(担当)礒川:研究課題の発掘,研究企画立案アプローチについての演習
6.離散並列計算システムを例とした研究課題発掘
7.離散並列計算システムを例とした研究企画立案
8.離散並列計算システムを例とした研究実験計画
9.離散並列計算システムの結果解析処理および改善方策の検討
10. 離散並列計算システムに関するプレゼンテーション

(担当)森本:研究課題の探求,課題解決プロセスについての演習
11.  電磁波デバイス設計を例とした研究課題調査
12.  電磁波デバイス設計を例とした問題定式化
13.  人工知能等を活用した設計アプローチの立案
14.  デバイス構造最適設計の結果考察と改善方策の検討
15.  デバイス構造最適設計に関するプレゼンテーション
対面・遠隔の別
対面
実施方法及び遠隔上限適用対象の別
生成AIの利用
利用する場面を限定し許可
生成AI注意点
「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。

この講義においては、以下の範囲において、⽣成AIの利⽤を許可し、これ以外の範囲での利⽤は禁⽌する。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・プレゼンテーションスライドとして提出してはならない。さらに、担当教員の許可なく講義資料の全部または⼀部を電⼦ファイルまたは画像等として⽣成AIに⼊⼒することを禁⽌する。

(利⽤可の範囲)
利⽤許容範囲については、担当教員より提⽰される条件に従うものとする。
教科書
各担当教員より適宜指示する。
参考文献
Pythonデータサイエンスハンドブック 第2版
出版社 ‏ : ‎  オライリー・ジャパン
ISBN-13 ‏ : ‎ 978-4814400638

数値計算 (理工系の基礎数学 8)
出版社 : 岩波書店
ISBN-13 : 978-4000079785



事前・事後学習(予習・復習)の内容・時間の目安
【予習】
講義に際して指⽰する内容の⽂献を調査・収集し、読み込み(30h)、プレゼンテーションの準備(15h)
【復習】
講義内容を⾃分の⾔葉で構造化し直し、聞き⼿の視点で情報を絞り込んだレポートへと再構成することで、深い理解と説得⼒を同時に実現する (15h)


アクティブ・ラーニングの内容
採用しない。


成績評価の基準・方法
【成績評価の基準】
本講義では、自身が遂行する研究について、その背景や関連研究について理解・整理・評価できる能力、残存する課題について説明できる能力、それらの背景に基づく自身の研究の位置づけや価値について論じる能力、自身の研究の理論や提案について正確に説明ができる能力、以上をレポートおよびプレゼンテーションを通じて、明確に⽰すことができる学生には、講義目的と到達目標に基づいて、以下の基準に従って成績を付与する: S(90点以上)、A(80点以上)、B(70点以上)、C(60点以上)

【成績評価の方法】
定期試験は実施しない。評価は、レポート(30%)とプレゼンテーション(70%)に基づき行う。レポートは3回課され,各レポートは100点満点で評価する。プレゼンテーションも3回課され、各プレゼンテーションを100点満点で評価する。以上の成果に基づき、到達目標達成度を総合的に判定して評価する。なお、プレゼンテーションにおける積極的な質問も受講態度として評価要素とする。

課題・試験結果の開示方法
レポートに関して、ユニバーサルパスポートの「クラスプロファイル」機能を通じて講評を提供する。プレゼンテーションについては、発表内容についてクラス内で議論する。
履修上の注意・履修要件
1. 本講義はオムニバス形式で行われるため、担当教員が変わることに注意すること。
2. 受講態度はプレゼンテーション採点において重要な要素である。積極的に質問し、意欲的な学びの心がけを推奨する。
3. 予習と復習は講義の理解を深めるうえで欠かせない。各講義の内容に合わせて適切な予習と復習を行い,講義で学んだ知識の定着努力に努めること。

実践的教育
該当しない。
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。