科目区分 | 基盤科目 | 教職科目 | 情報 |
---|---|---|---|
単位数 | 1 | 選択・必修・自由 | 選択 |
授業形態 | 講義 | 主な使用言語 | 英語 |
開講時期 | Ⅰ | 履修登録システム | 使用する |
履修登録期間 | 2021/04/01~2021/04/19 | 履修取消期限 | 2021/04/19 |
プログラム名 | IS | CB | BS | BN | MS | CP | DS |
---|---|---|---|---|---|---|---|
履修区分 | ○ | ○ | △ | △ | △ | ○ | ○ |
コア科目 | - | - | - | - | - | - | - |
履修方法 | ・修士論文研究又は特別課題研究を履修する場合は、基盤科目及び専門科目から12単位以上履修すること。 ・課題研究を履修する場合は、基盤科目及び専門科目から14単位以上履修すること。 |
担当責任教員 | 清川 清 |
---|---|
担当教員 | 佐藤嘉伸、笠原正治、加藤博一、神原誠之、笹部昌弘、杉本謙二、荒牧英治、須藤克仁、清川清 |
教育目的/学修到達目標 | 【教育目的】 情報科学の研究を行うためには,現実世界の諸問題を情報科学の枠組みで取り扱い,望ましい解が得られると期待される適切な方法論を選択し,適用することが必須である.本授業科目では,現実世界のデータを計算機上で取り扱うための信号処理や数値計算,最適化等の様々な基礎的手法について理解を深め,それらの基本的な考え方に基づいて適切な手法を選択・応用できるようになることを目的とする. 【学修到達目標】 1)信号処理・畳み込み演算について,基礎的な考え方や代表的な手法について理解し,説明できる. 2)確率と統計に関して,基礎的な考え方や代表的な手法について理解し,説明できる. 3)パターン認識に関して,基礎的な考え方や代表的な手法について理解し,説明できる. 4)最適化に関して,基礎的な考え方や代表的な手法について理解し,説明できる. 5)数値計算に関して,基礎的な考え方や代表的な手法について理解し,説明できる. 6)データベースに関して,基礎的な考え方や代表的な手法について理解し,説明できる. 7)人工知能に関して,基礎的な考え方や代表的な手法について理解し,説明できる. 8)生体情報処理に関して,基礎的な考え方や代表的な手法について理解し,説明できる. |
授業概要/指導方針 | 【授業概要/指導方針】 デジタル信号の基礎からパターン認識や最適化までの幅広い方法論を,具体的な応用事例を交えながら分かりやすく概説する. 座学を中心とする.各回でミニレポートを課す. 【授業時間外学修(予習・復習等)の目安】 予習は特に必要ない. 各回毎に,復習と授業内で与えられた課題提出物の作成に合計4時間程度 |
回数 | 日付 [時間] | 担当教員 | テーマ | 内容 |
---|---|---|---|---|
1 | 4/15 [4] | 佐藤 嘉伸 | 信号処理・畳み込み演算 | アナログ信号からデジタル信号への変換やデジタル信号の表現方法,標本化定理,畳み込み,フーリエ級数展開,離散フーリエ変換などについて重点的に学習する. |
2 | 4/15 [5] | 笠原 正治 | 確率と統計 | 代表値,分散と標準偏差,確率変数と確率分布,二項分布,正規分布,推定と検定などについて重点的に学習する. |
3 | 4/16 [3] | 加藤 博一,神原 誠之 | パターン認識 | 識別や回帰の基礎的な考え方、決定木,線形モデル,固有空間法,ベイズ推論,ロバスト統計などについて重点的に学習する. |
4 | 4/16 [4] | 笹部 昌弘 | 最適化 | 最適化の基礎として,線形計画法,組合せ最適化,整数計画法,ネットワーク計画法,動的計画法,近似解法などを重点的に学習する. |
5 | 4/16 [5] | 杉本 謙二 | 数値計算 | 解析解と数値解・連立一次方程式・逆行列・数値シミュレーションなどについて重点的に学習する. |
6 | 4/19 [3] | 荒牧 英治 | データベース | 知識ベースと知識発見,構造化データと非構造化データ,述語論理,関係データベース,テキストマイニングなどについて重点的に学習する. |
7 | 4/19 [4] | 須藤 克仁 | 人工知能基礎 | 探索アルゴリズム,発見的探索,敵対探索,実時間探索,強化学習などについて重点的に学習する. |
8 | 4/19 [5] | 清川 清 | 生体情報処理 | 生物の情報処理,ニューロンモデル,パーセプトロン,誤差伝播ネットワーク,ニューラルネットワーク,深層学習の基礎などについて重点的に学習する. |
回数 | 日付 | 時間 | 講義室 | 備考 |
---|---|---|---|---|
1 | 4/15 | 4 | エーアイ大講義室[L1](IS) | こちらから第1回講義ビデオを視聴してください. レポート期限: 4/30(金), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. |
2 | 4/15 | 5 | エーアイ大講義室[L1](IS) | こちらから第2回講義ビデオを視聴してください. レポート期限: 4/30(金), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. |
3 | 4/16 | 3 | エーアイ大講義室[L1](IS) | こちらから第3回講義ビデオを視聴してください. レポート期限: 5/6(木), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. |
4 | 4/16 | 4 | エーアイ大講義室[L1](IS) | こちらから第4回講義ビデオを視聴してください. レポート期限: 5/6(木), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. (詳細は配布資料の最後2ページに記載) |
5 | 4/16 | 5 | エーアイ大講義室[L1](IS) | こちらから第5回講義ビデオを視聴してください. レポート期限: 5/6(木), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. |
6 | 4/19 | 3 | エーアイ大講義室[L1](IS) | こちらから第6回講義ビデオを視聴してください. レポート期限: 5/7(金), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. |
7 | 4/19 | 4 | エーアイ大講義室[L1](IS) | こちらから第7回講義ビデオを視聴してください. レポート期限: 5/7(金), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. |
8 | 4/19 | 5 | エーアイ大講義室[L1](IS) | こちらから第8回講義ビデオを視聴してください. レポート期限: 5/7(金), 提出方法等: NAIST Report Submission Serviceにアクセスし, レポートをアップロードすること. |
テキスト | 特になし.講義スライドはウェブに掲載する. |
---|---|
参考書 | ・H. Kobayashi, B.L. Mark, and W Turin, Probability, Random Processes, and Statistical Analysis Cambridge University Press, 2012. ・Korte, B. and Vygen, J., Combinatorial Optimization: Theory and Algorithms, Sixth Edition, Springer, 2018. ・Stuart Russel and Peter Norvig. Artificial Intelligence: A Modern Approach, 3rd ed. Prentice Hall, 2010. ISBN: 0136042597 |
履修条件 | 特になし |
---|---|
オフィスアワー | Eメールで連絡の上,日時を決める. |
成績評価の方法と基準 | ・5段階(秀・優・良・可・不可)で評価する. ・レポート(100%)で評価する. |
関連科目 | 情報科学基礎Ⅰ |
関連学位 | 工学 |
注意事項 | 特になし |
表示可能なデータがありません。 |
表示可能なデータがありません。 |