知能情報講究Ⅰ

Advanced Study on ArtificialIntelligence andInformatics Ⅰ

ー

知能情報分野科目

工学研究科

1年

HETDA7MCA1

2.00単位

講義 (Lecture)

2026年度前期

(Spring semester)

上浦 尚武、礒川 悌次郎、森本 佳太

工学研究科

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。

目標9

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）

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)

ー

1◎／2〇／3〇

ー

ー

講義目的
知能情報科学分野の基盤となる確率・統計・データサイエンス分野や、深層畳み込みニューラルネットワーク等の人工知能分野に関する最新トピックについての知識を涵養する。また、機械学習の社会実装、遺伝的アルゴリズムに代表される進化計算、人工知能を活用したトポロジー最適化に関わる知能数値情報工学、並列数値計算工学および離散情報工学に関する技術について習得する。

達成目標
１）現代社会の諸問題を確率・統計・データサイエンス関連技術に基づき解説できること、２）進化計算アプローチによって、知能数値情報分野の汎用モデルを構築できること、３）トポロジー最適化の諸例に対する人工知能に基づくプログラムを実装できること、以上である。

サブタイトル： 知能情報数値解析技術
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
知能情報科学分野の基盤となる確率・統計・データサイエンス分野や、深層畳み込みニューラルネットワーク等の人工知能分野に関する最新トピックについての知識を涵養する。また、機械学習の社会実装、遺伝的アルゴリズムに代表される進化計算、人工知能を活用したトポロジー最適化に関する技術について習得する。

授業計画
以下のオムニバス方式で講述する．

（担当）上浦：確率・統計・データサイエンスに関する概説
1．現代確率論、統計学についての概説
2．データサイエンスにおける最新技術
3．確率論に基づくシミュレーション
4．確率・統計・データサイエンスの応用例（観光コース提示、待ち時間短縮システムなど）
5．確率・統計・データサイエンスに関するプレゼンテーション

（担当）礒川：進化計算に基づく最適化
6．進化計算についての概説
7．離散値変数に対応した進化計算手法とその最新技術動向
8．連続値変数に対応した進化計算手法とその最新技術動向
9．進化計算による深層畳み込みニューラルネットワークの最適化
10. 進化計算に基づく最適化に関するプレゼンテーション

（担当）森本：人工知能を活用したトポロジー最適化
11. 最適化問題についての概説
12. トポロジー最適化の原理および関連手法
13. トポロジー最適化の産業応用と最新技術動向
14. 人工知能を活用したトポロジー最適化の実践と応用
15. 人工知能を活用したトポロジー最適化に関するプレゼンテーション

対面

利用する場面を限定し許可

「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。

各担当教員より適宜指示する。

【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）

採用しない。

【成績評価の基準】
本講義では、確率・統計・データサイエンス分野の基礎および最新技術に関する知識、人工知能や進化計算を用いた高度な最適化アルゴリズムの理論と応用技術、およびこれらを社会実装や産業応用へ展開するためのモデル構築・プログラム実装技術についての理解度を評価する。
レポートおよびプレゼンテーションを通じて、これらのスキルと知識を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。

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。

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。

該当しない。