情報処理Ⅲ

科目基礎情報

学校	香川高等専門学校	開講年度	令和02年度 (2020年度)
授業科目	情報処理Ⅲ
科目番号	200329	科目区分	専門 / 選択
授業形態	講義	単位の種別と単位数	履修単位: 2
開設学科	機械電子工学科（2018年度以前入学者）	対象学年	5
開設期	通年	週時間数	2
教科書/教材	教科書：(1)小泉力一，確率がわかる，技術評論社ISBN 978-4774188065(2)稲井寛，はじめての情報理論，森北出版ISBN 978-4627849112
担当教員	徳永 秀和

到達目標

(1)場合の数を計算でき，確率の計算ができ，確率分布の説明と簡単な計算ができる。
(2)情報源符号化について，考え方や定理を説明でき，簡単な計算ができる。
(3)通信路符号化について，考え方や定理を説明でき，簡単な計算ができる。
(4)ニューラルネットワークの仕組みを説明でき，簡単な計算ができる。

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
評価項目1	場合の数，確率において，定理に基づく基本的・応用的な計算ができる。確率分布の説明ができ，簡単な計算ができる。	場合の数，確率において，定理に基づく基本的な計算ができる。確率分布の説明ができる。	場合の数，確率において，定理に基づく基本的な計算ができない。確率分布の説明ができない。
評価項目2	情報源符号化において，重要な定理を説明でき一部導出の説明ができる，簡単な計算ができる。	情報源符号化において，重要な定理を説明でき，簡単な計算ができる。	情報源符号化において，重要な定理を説明でなく，簡単な計算ができない。
評価項目3	通信路符号化において，重要な定理を説明でき一部導出の説明ができる，簡単な計算ができる。	津進路符号化において，重要な定理を説明でき，簡単な計算ができる。	通信路符号化において，重要な定理を説明でなく，簡単な計算ができない。
評価項目4	ニューラルネットワークの基礎となる計算手法の説明ができ，一部にいて簡単な計算ができる。	ニューラルネットワークの基礎となる計算手法の説明ができる。	ニューラルネットワークの基礎となる計算手法の説明ができない。

学科の到達目標項目との関係

学習・教育到達度目標 B-(2) （自然科学の知識を機械システム分野へ応用する力を身につける。）

教育方法等

概要:

場合の数と確率について学習し，確率を用いた情報理論の基礎を身につける。
代表的な機械学習であるニューラルネットワークの仕組みを学習し，身につける。

※実務経験との関連
この科目は企業で情報システム開発を担当していた教員が，その経験を活かし，情報理論およびニューラルネットワークについて講義形式で授業を行うものである。

授業の進め方・方法:

教科書に基づいた講義を行う。ニューラルネットワークでは，Excelでの演習も行う。

注意点:

特になし。

授業計画

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	集合（表記，演算，集合族，集合と場合の数）	集合，集合族を説明でき，集合の演算ができる。
		2週	場合の数（順列，重複順列，組合せ，重複組合せ）	順列組合せを説明でき，基本的な例の計算ができる。
		3週	場合の数（様々な例，パスカルの三角形，多項定理）	順列組合せの様々な例の計算ができる。パスカルの三角形，多項定理を説明できる。
		4週	確率の基礎（定義，事象，排反事象の加法定理，乗法定理）	確率の定義を説明できる。排反事象の基本的な例の確率の計算ができる。
		5週	確率の基礎（排反事象の確率の様々な例）	排反事象の確率の様々な例の計算ができる。
		6週	条件付確率とベイズの定理	条件付き確率とベイズの定理を例を用いて説明できる。
		7週	条件付確率とベイズの定理	ベイズの定理の様々な例の計算ができる。
		8週	中間試験
	2ndQ
		9週	確率分布（平均値，分散，メジアン，メジアン，モード）	確率分布，分布関数を説明でき，簡単な分布の平均値，分散，メジアン，メジアン，モードを計算できる。
		10週	２次元確率分布（同時確率分布，周辺確率分布，条件付き確率分布，独立性）	同時確率分布，周辺確率分布，条件付き確率分布，独立性を説明でき，ごく簡単な分布について計算できる。
		11週	情報量，エントロピー，結合エントロピー，条件付きエントロピー	情報量，エントロピー，結合エントロピー，条件付きエントロピーを説明でき，簡単な計算ができる。
		12週	情報源符号化（無記憶情報源，瞬時符号，クラフトの不等式）	無記憶情報源，瞬時符号，クラフトの不等式を説明できる。
		13週	情報源符号化（平均符号長，効率，冗長度）	平均符号長，効率，冗長度を説明できる。平均符号長の下限の導出を説明できる。
		14週	情報源符号化（コンパクト符号化，情報源符号化定理）	コンパクト符号化，情報源符号化定理を説明できる。
		15週	符号化の例（モールス符号，シャノン符号，ファノ符号，ハフマン符号）	モールス符号，シャノン符号，ファノ符号，ハフマン符号を説明できる。
		16週	期末試験
後期
	3rdQ
		1週	通信路（２元対称通信路，事前エントロピー，事後エントロピー，曖昧度，散布度）	２元対称通信路，事前エントロピー，事後エントロピー，曖昧度，散布度の計算ができる。
		2週	通信路（相互情報量，雑音のない通信路，確定的通信路）	相互情報量，雑音のない通信路，確定的通信路の説明ができる。
		3週	通信路（一様通信路，通信路容量）	一様通信路，通信路容量の説明ができる。
		4週	通信路符号化（判定規則，平均誤り率，最大事後判定規則，最大尤度判定規則，平均誤り率，伝送速度）	判定規則，平均誤り率，最大事後判定規則，最大尤度判定規則，平均誤り率，伝送速度を説明できる。
		5週	通信路符号化（ハミング距離，誤り検出・訂正，通信路符号化定理）	ハミング距離，誤り検出・訂正，通信路符号化定理の説明ができる。
		6週	線形符号	線形符号の仕組みを説明できる。
		7週	巡回符号	巡回符号通信路符号化の仕組みを説明できる。
		8週	中間試験
	4thQ
		9週	ニューラルネットワークの考え方	ニューラルネットワークの考え方を説明できる。
		10週	勾配降下法，Excel演習	勾配降下法を説明できる。
		11週	ニューラルネットワークによる最適化	ニューラルネットワークによる最適化を説明できる。
		12週	ニューラルネットワークによる最適化，Excel演習	ニューラルネットワークによる最適化を説明できる。
		13週	誤差伝搬法	誤差伝搬法を説明できる。
		14週	誤差伝搬法，Excel演習	誤差伝搬法を説明できる。
		15週	畳み込みニューラルネットワーク	畳み込みニューラルネットワークを説明できる。
		16週	期末試験

評価割合

	試験	発表	相互評価	態度	ポートフォリオ	その他	合計
総合評価割合	80	0	0	0	20	0	100
基礎的能力	60	0	0	0	15	0	75
専門的能力	20	0	0	0	5	0	25
分野横断的能力	0	0	0	0	0	0	0