文理学部シラバスTOP > 大学院博士前期課程 > 地球情報数理科学専攻 > コンピュータ科学特論Ⅲ
日本大学ロゴ

コンピュータ科学特論Ⅲ

このページを印刷する

令和２年度以降入学者 コンピュータ科学特論Ⅲ
教員名 尾崎知伸
単位数    2 課程     開講区分 文理学部
科目群 地球情報数理科学専攻
学期 後期 履修区分 選択必修
授業形態 対面授業
Blackboard ID 20234840
授業概要 論理プログラムの一つである解集合プログラミングを中心に，論理に基づく高次推論・機械学習の基礎について学修し，その応用の可能性について議論する．
授業のねらい・到達目標 論理プログラムを用いて，基礎的な問題を表現することができる．
論理プログラムおよび論理に基づく高次推論・機械学習に関する基本的なアルゴリズムを説明できる．
授業の形式 講義、演習
授業の方法 講義とそれに対する議論を中心とする．また随時，計算機による実装・実験を行い，その結果に関して議論とフィードバックを行う．
なお対面参加できない学生には，Zoom（ライブ中継）で対応する．
授業計画
1 オリエンテーション（授業のテーマや到達目標及び授業の方法について説明する）
論理に基づく問題解決の概要
【事前学習】シラバスを確認する．当該分野に関する簡単な調査を行う （1時間）
【事後学習】論理を用いた対象の表現・推論と問題解決の概要を理解する （1時間）
【授業形態】対面授業
2 論理プログラム
【事前学習】配布資料を通読し，論理プログラムの構文や意味について簡単にまとめる （2時間）
【事後学習】論理プログラムの概要と基礎となるモデルの意図を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
3 モデル計算アルゴリズム
【事前学習】配布資料を通読し，モデルの計算アルゴリズムについて簡単にまとめる （2時間）
【事後学習】アルゴリズムの背景にある考え方を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
4 解集合プログラミングの導入
【事前学習】配布資料を通読し，解集合プログラミングの構文や意味について簡単にまとめる （2時間）
【事後学習】入力の変換やその妥当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
5 解集合プログラミングの実践
【事前学習】配布資料を通読し，いくつかの例題に対するプログラムの概要をまとめる （2時間）
【事後学習】プログラム内容とその妥当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
6 論理プログラムの高度な応用
【事前学習】配布資料を通読し，論理に基づく高次推論や機械学習の概要をまとめる （2時間）
【事後学習】応用分野・応用技術を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
7 論理プログラムとパターン発見
【事前学習】配布資料を通読し，パターン発見の概要をまとめる （2時間）
【事後学習】パターン発見と論理プログラムの関係や手法の特徴・正当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
8 論理プログラムと最適化
【事前学習】配布資料を通読し，最適化の概要をまとめる （2時間）
【事後学習】最適化と論理プログラムの関係や手法の特徴・正当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
9 論理プログラムと発想推論
【事前学習】配布資料を通読し，発想推論の概要をまとめる （2時間）
【事後学習】発想推論と論理プログラムの関係や手法の特徴・正当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
10 論理プログラムと帰納推論
【事前学習】配布資料を通読し，帰納推論の概要をまとめる （2時間）
【事後学習】帰納推論と論理プログラムの関係や手法の特徴・正当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
11 論理プログラムと確率推論
【事前学習】配布資料を通読し，確率推論の概要をまとめる （2時間）
【事後学習】確率モデルと論理プログラムの関係や手法の特徴・正当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
12 論理プログラムと深層学習
【事前学習】深層学習の概要をまとめる （2時間）
【事後学習】授業内容を振り返り，深層学習と論理プログラムの関係や手法の特徴・正当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
13 論理プログラムと強化学習
【事前学習】配布資料を通読し，強化学習の概要をまとめる （2時間）
【事後学習】強化学習と論理プログラムの関係や手法の特徴・正当性を中心に復習し，疑問点，不明点の解決を図る （2時間）
【授業形態】対面授業
14 論理に基づく高次推論・機械学習の実践
【事前学習】各自で設定したテーマに対して，論理に基づく高次推論・機械学習を実践する （3時間）
【事後学習】計算機実験を行う （3時間）
【授業形態】対面授業
15 期末発表会とフィードバック
【事前学習】発表資料および期末レポートを準備する （3時間）
【事後学習】発表会での議論を踏まえ，今後の課題について考察する．また，これまでの学修内容を振り返り，どの様な発展が考えられるか考察する （1時間）
【授業形態】対面授業
その他
教科書 使用しない
参考書 Vladimir Lifschitz, Answer Set Programming, Springer, 2019
Martin Gebser, Roland Kaminski, Benjamin Kaufmann, and Torsten Schaub, Answer Set Solving in Practice, Morgan and Claypool, 2012
随時，関連する原著論文を利用する
成績評価の方法及び基準 レポート:手法の適切さと理解度合，レポートとしての完成度を中心に，設定した問題内容も考慮して評価する(60%)、授業参画度:講義内容に対する議論および期末発表とレポートの相互評価への参画度により評価する(40%)
期末レポート未提出の場合はE判定とする
オフィスアワー 質問は随時を受け付ける．原則，事前にメール等でアポイントをとること

↑このページのトップ