FAQに
フィードバックされています.
○は「よく分かった」,△は「だいたい分かった」,×は「よく分からない」
の意味でして,コロンの後ろの数字はそれに対応する受講者数です.また,
"ave"は○を3点,△を2点,×を1点とした場合のクラス全体の平均点です.
講義内容,講義方法,受講者の予習復習を含めて,ave の値が2点以上にな
るよう(もちろん教員の講義方法の改善も含めて)全員で努力することを目標と
しています.
ちなみに,オレンジ色の数字の後に付記された[2018: 2.21]のよう
なデータは,去年の講義における,同一調査の結果です.
このような講義データをもとに,講義内容を調整して,理解度が増加するよう
に講義の組み立てを考えたいと思います.
イントロダクション (Introduction)
Part1: 人工知能研究の概要,背景,歴史 (Overview, Background,
and History) [1回]
- このパートの目的 (Objectives)
- エージェントアプローチ (Agent Approach)
(○: , △: , ×: , ave: )[2019:
2.69, 2018: 2.56]
- エージェントと環境の対応付け
(Agent interacts with Environment)
(○: , △: , ×: , ave: )[2019: 2.81, 2018: 2.49]
- 人工知能の学際性 (Interdisciplinary Aspects of AI)
[2017: 2.41]
- 人工知能の歴史 (History of AI)
[2017: 2.63]
- このパートの目的 (Objectives)
- 探索の定式化 (Problem Formalization)
(○: , △: , ×: , ave: )[2019: 2.46, 2018: 2.47]
- 探索戦略の特徴付け (Search Criterion)
(○: , △: , ×: , ave: )[2019: 2.71, 2018: 2.68]
- 計算量の解析 (Complexity Analysis)
(○: , △: , ×: , ave: )[2019: 2.60, 2018: 2.45]
- 知識を用いない状態空間探索 (Uninformed State Space Search)
- 幅優先探索 (Breadth-first Search)
(○: , △: , ×: , ave: )[2019: 2.81, 2018: 2.66]
- 深さ優先探索 (Depth-first Search)
(○: , △: , ×: , ave: )[2019: 2.94, 2018: 2.81]
- 深さ制限探索 (Depth Bounded Search)
(○: , △: , ×: , ave: ) [2019: 2.86, 2018: 2.65]
- 反復深化探索 (Iterative Deepening Search)
(○: , △: , ×: , ave: ) [2019: 2.59, 2018: 2.44]
- 探索戦略の比較 (Discussion)
[2017: 2.39]
- 知識を用いた状態空間探索 (Informed Search)
- ヒューリスティック関数 (Heuristic Function)
(○: , △: , ×: , ave: ) [2019: 2.36, 2017: 2.11]
- ヒューリスティック関数の例
(Examples of Heuristic Function )
(○: , △: , ×: , ave: ) [2019: 2.65, 2018: 2.47]
- 山登り探索 (Hill Climb Search)
(○: , △: , ×: , ave: ) [2019: 2.80, 2018: 2.58]
- 最良優先探索 (Best-first Search)
(○: , △: , ×: , ave: ) [2019: 2.28, 2018: 2.53]
- A*探索 (A* Search)
(○: , △: , ×: , ave: ) [2019: 2.56, 2018: 2.28]
- A*探索の最適性
(○: , △: , ×: , ave: )
[2017: 2.33, 2016: 2.03]
- A*探索の効率 (A* Search) [2015: 1.86]
(○: , △: , ×: , ave: ) [2019: 2.20, 2018: 2.32]
- 状態空間探索の応用例 (Application of Search)
- ゲームプレイング/問題分割と探索 (Game)
- AND/ORグラフ (AND/OR Graph)
(○: , △: , ×: , ave: ) [2019: 2.53, 2018: 2.50]
- ミニマックス法 (Minimax Search)
(○: , △: , ×: , ave: ) [2019: 2.79, 2018: 2.48]
- ノード評価関数 (Static Evaluation Function)
(○: , △: , ×: , ave: ) [2018: 2.26]
- 深さ制限ミニマックス法 (Minimax Search)
(○: , △: , ×: , ave: ) [2019: 2.57]
- αβ枝刈り法(Alpha-Beta Pruning)
(○: , △: , ×: , ave: ) [2019: 2.40, 2018: 2.55]
- このパートの目的 (Objectives)
- 基本概念と事例 (Basic Concepts)
(○: , △: , ×: , ave: ) [2019: 2.66, 2018: 2.35]
- 制約充足問題の表現 (Representation)
(○: , △: , ×: , ave: ) [2019: 2.52, 2018: 2.38]
- 制約ネットワークの整合性 (Network Consistency)
(○: , △: , ×: , ave: ) [2019: 2.18, 2018: 2.36]
- 後戻り法 (Backtracking)
(○: , △: , ×: , ave: ) [2019: 2.53, 2018: 2.30]
- 制約充足アルゴリズム (Algorithm)
- ノード制約アルゴリズム (Node Constraint Algorithm)
(○: , △: , ×: , ave: ) [2017: 2.00]
- アーク制約アルゴリズム (Arc Constraint Algorithm)
- AC-1 (○: , △: , ×: , ave: ) [2019: 2.17, 2018: 1.82]
- AC-2 (○: , △: , ×: , ave: ) [2019: 2.23, 2018: 1.90]
- AC-3 (○: , △: , ×: , ave: ) [2019: 2.36, 2018: 1.88]
Part4: 知識表現と推論 (Knowledge Representation and Inference) [3回]
- このパートの目的 (Objectives)
- 基本的な考え方 (Basic Concepts)
(○: , △: , ×: , ave: ) [2019: 2.80, 2018: 2.58]
- 世界知識の表現と推論 (World Knowledge Representation)
- 手続き的知識の表現と推論 (Procedual Knowledge Representation)
...Return