情報学特論

科目基礎情報

学校	苫小牧工業高等専門学校	開講年度	令和05年度 (2023年度)
授業科目	情報学特論
科目番号	0018	科目区分	専門 / 必修
授業形態	授業	単位の種別と単位数	学修単位: 2
開設学科	創造工学専攻	対象学年	専1
開設期	前期	週時間数	2
教科書/教材	教科書：なし（授業スライドを中心に行う） 教材・参考書：北川源四郎「時系列解析入門」（岩波書店），橋本 洋志, 牧野 浩二「データサイエンス教本 Pythonで学ぶ統計分析・パターン認識・深層学習・信号処理・時系列データ分析」（オーム社），小倉久直「物理・工学のための確率過程論」（コロナ社）
担当教員	三上 剛

到達目標

1) 時系列解析に必要な確率・統計の基礎的な概念を説明できる
2) 時系列解析の目的について説明できる
3) 自己回帰（AR）過程について説明できる
4) 移動平均（MA）過程について説明できる
5) 自己回帰移動平均（ARMA）過程について説明できる
6) 自己回帰和分移動平均（ARIMA）過程について説明できる
7) 季節性ARIMA（SARIMA）過程について説明できる
8) モデル選択の概念について説明できる

ルーブリック

	理想的な到達レベルの目安	標準的な到達レベルの目安	未到達レベルの目安
時系列データと統計	平均，分散，共分散，自己相関関数，相互相関関数，定常性に関する演習課題のプログラムを作成できる	平均，分散，共分散，自己相関関数，相互相関関数，定常性に関する演習課題のプログラムをおおよそ作成できる	平均，分散，共分散，自己相関関数，相互相関関数，定常性に関する演習課題のプログラムを作成できない
自己回帰（AR）過程	自己回帰過程に関する演習課題のプログラムを作成できる	自己回帰過程に関する演習課題のプログラムをおおよそ作成できる	自己回帰過程に関する演習課題のプログラムを作成できない
移動平均（MA）過程	移動平均過程に関する演習課題のプログラムを作成できる	移動平均過程に関する演習課題のプログラムをおおよそ作成できる	移動平均過程に関する演習課題のプログラムを作成できない
自己回帰移動平均（ARMA）過程	自己回帰移動平均に関する演習課題のプログラムを作成できる	自己回帰移動平均に関する演習課題のプログラムをおおよそ作成できる	自己回帰移動平均に関する演習課題のプログラムを作成できない
自己回帰和分移動平均（ARIMA）過程	自己回帰和分移動平均に関する演習課題のプログラムを作成できる	自己回帰和分移動平均に関する演習課題のプログラムをおおよそ作成できる	自己回帰和分移動平均に関する演習課題のプログラムを作成できない
カオス時系列と非線形予測	カオス時系列と非線形予測に関する演習課題のプログラムを作成できる	カオス時系列と非線形予測に関する演習課題のプログラムをおおよそ作成できる	カオス時系列と非線形予測に関する演習課題のプログラムを作成できない
機械学習による非線形予測	機械学習による非線形予測に関する演習課題のプログラムを作成できる	機械学習による非線形予測に関する演習課題のプログラムをおおよそ作成できる	機械学習による非線形予測に関する演習課題のプログラムを作成できない

学科の到達目標項目との関係

Ⅰ　人間性

Ⅱ　創造性

Ⅲ　国際性

教育方法等

概要:

この授業では，古典的な時系列解析の基礎について学び，特に将来予測を応用例とした各種方法について扱う．
座学を中心として行うが，適宜演習を取り入れながら行う．

授業の進め方・方法:

本講義では，理解を深めるための演習（主にプログラミング）を行う．
講義は教科書，スライドおよび配布資料に基づいて行う．毎時間，計算機演習を行い，講義内容についての理解をより深める．
この科目は学修単位科目のため，日常の授業（30時間）のための予習復習時間，演習を講義外に実施する時間等を総合し，60時間の自学自習時間が必要である．
授業項目の達成目標に関する計算機演習で達成度を評価する．定期試験は実施しない．
合格点は60点である．最終評価が合格点に達しない場合，演習の再提出を課すことがある．

注意点:

授業毎に配布する演習課題を取り組むこと．演習課題の8割以上を提出することが必須である．
確率，統計，微分積分，プログラミング（Python）を復習しておくと役に立つだろう．また，本科におけるディジタル信号処理の講義を学んでいることが望ましい．
また，自学自習時間は演習課題に取り組むこと．

授業の属性・履修上の区分

アクティブラーニング

ICT 利用

遠隔授業対応

授業計画

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	時系列データと統計(1)	平均，分散，共分散，標準偏差，相関係数に関する演習課題のプログラムを作成できる
		2週	時系列データと統計(2)	自己相関関数，相互相関関数に関する演習課題のプログラムを作成できる
		3週	時系列データと統計(3)	偏相関関数，定常性，非定常性に関する演習課題のプログラムを作成できる
		4週	自己回帰（AR）過程 (1)	遅延演算子と特性方程式を用いてAR過程の特性を説明できる
		5週	自己回帰（AR）過程 (2)	Yule-Walker法を理解し，Yule-Walker法に関する演習課題のプログラムを作成できる
		6週	移動平均（MA）過程 (1)	移動平均過程に関する演習課題のプログラムを作成できる
		7週	自己回帰移動平均（ARMA）過程 (1)	自己回帰移動平均過程に関する演習課題のプログラムを作成できる
		8週	自己回帰移動平均（ARMA）過程 (2)	自己回帰移動平均過程の周波数特性に関する演習課題のプログラムを作成できる
	2ndQ
		9週	自己回帰和分移動平均（ARIMA）過程 (1)	自己回帰和分移動平均過程に関する演習課題のプログラムを作成できる
		10週	自己回帰和分移動平均（ARIMA）過程 (2)	自己回帰和分移動平均過程に関する演習課題のプログラムを作成できる
		11週	カオス時系列	カオス時系列の特徴に関する演習課題のプログラムを作成できる
		12週	カオス時系列と非線形予測(1)	カオス時系列をはじめとする非線形予測に関する演習課題のプログラムを作成できる
		13週	カオス時系列と非線形予測(2)	カオス時系列をはじめとする非線形予測に関する演習課題のプログラムを作成できる
		14週	機械学習を用いた非線形予測(1)	機械学習を用いた非線形予測に関する演習課題のプログラムを作成できる
		15週	機械学習を用いた非線形予測(2)	機械学習を用いた非線形予測に関する演習課題のプログラムを作成できる
		16週

評価割合

	演習課題	合計
総合評価割合	100	100
基礎的能力	30	30
専門的能力	60	60
分野横断的能力	10	10