| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科 | 全担当教員 | 単位数 |
|---|---|---|---|---|---|---|
| 33179:[2025 秋セメスター]特殊講義Ⅲ(インフラ維持管理におけるAI/IOTの利活用)(9T) | 2025 | 秋セメスター | 金3 | 理工学部 | 野村 泰稔 | 2 |
キャンパス
授業施設
授業で利用する言語
授業の概要と方法
社会インフラ維持管理の現状および社会インフラの健全性を検査するための諸々の技術を概観するとともに，今後の労働力不足を補う技術として期待されているAI（人工知能）やIoT（モノのインターネット）について，実際の現場でどのように利用されているか学ぶ．講義中のプログラミング演習を通じて，AI技術の基礎を身に付ける．
受講生の到達目標
AI/IoTを利用してどのように維持管理を省力化できるか議論できる
機械学習・深層学習のプログラミングを通じて分類問題や回帰問題を解決できる
【教育目標】
［2018年度以降入学生］
(C-6) 専門分野の知識を総合して主体的に問題を探求し、組み立て、解決することができる。
事前に履修しておくことが望まれる科目
授業スケジュール
| 授業回数/ 担当教員（複数担当の場合） |
テーマ |
|---|---|
| キーワード・文献・補足事項等 | |
| 8 | +R授業対象科目。第8回に+R授業を実施。詳細はmanaba+Rを参照。 |
|
|
| 1 | 人工知能・機械学習と社会インフラ維持管理への適用研究紹介 |
社会インフラ維持管理の現状・点検・診断の基本，人工知能・機械学習・深層学習，物体認識・物体検出・セグメンテーション，深層学習でできること，社会インフラ維持管理へのAI適用事例 |
|
| 2-7 | Pythonプログラミングの基礎 |
開発環境Google Colaboratoryの設定とPython・numpy・pandas・matplotlib・scikit-learnの基礎 |
|
| 8-9 | 全結合ニューラルネットワークの実装 |
深層学習の数理，フレームワークTensorflowの基礎，全結合ニューラルネットワーク，データの読み込み・データの前処理，訓練・テスト，精度評価 |
|
| 10-11 | 畳み込みニューラルネットワークの実装 |
畳み込みニューラルネットワーク，畳み込み処理とは，プーリング処理とは，データ拡張，転移学習・ファインチューニング，画像分類の実装 |
|
| 12-13 | リカレントニューラルネットワークの実装 |
リカレントニューラルネットワークとは，LSTM・GRUとは，自然言語処理，時系列データ予測の実装 |
|
| 14 | 機械学習ライブラリScikit-learnの活用方法と分類問題への適用 |
機械学習ライブラリScikit-learnとは，k-平均法，ロジスティック回帰，サポートベクタマシン，ランダムフォレスト |
授業実施形態
授業外学習の指示
成績評価方法
| 種別 | 割合(%) | 評価基準等 |
|---|---|---|
| 定期試験（筆記） | ||
| レポート試験 （統一締切日を締切とするレポート） |
||
| 上記以外の試験・レポート、平常点評価 （日常的な授業における取組状況の評価） |
100 | 複数回出題される課題を採点し，満点の60%以上の者で，かつ，12回以上出席した者を合格とする |
成績評価方法(備考)
受講および研究に関するアドバイス
教科書
教科書(使用頻度、その他補足)
参考書
参考書(使用頻度、その他補足)
参考になるwwwページ
授業内外における学生・教員間のコミュニケーションの方法
備考
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/