到達目標
評価項目1: 基礎的な学習理論を理解し、各手法を数式及び概念図を用いて説明できる。
評価項目2: 実際のデータに対して学習・識別処理を行うシステムを構成できる。
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 | 基礎的な学習理論を理解し、各手法を数式及び概念図を用いて説明できる。 | 基礎的な学習理論を理解し、各手法を概念図を用いて説明できる。 | 基礎的な学習理論を理解できず、各手法を説明できない。 |
評価項目2 | 実際のデータに対して学習・識別処理を行うシステムを構成し、実験・考察ができる。 | 実際のデータに対して学習・識別処理を行うシステムを構成できる。 | 学習・識別処理を行うシステムを構成できない。 |
学科の到達目標項目との関係
学習・教育到達度目標 D
説明
閉じる
JABEE d-1
説明
閉じる
教育方法等
概要:
画像認識や音声認識などのメディア理解を行うコンピュータシステムにおいて重要なエンジン部となるパターン認識・機械学習を中心に、ディープラーニングや自然言語処理等の最新の研究紹介を交えながら、実践的な学習理論を学ぶ。キーワード:専門分野
授業の進め方・方法:
本科目を履修するためには、線形代数と確率統計の知識が必要となる。また、実習課題を遂行するためには、C言語によるプログラミングやUNIXリテラシー(Linuxのコマンド操作)の知識が必須である。関数電卓を利用する場合もあるので持参すること。演習問題を10回程度・プログラミング課題を3回程度与えるので自学自習に努めること。
試験による評価を7割、レポートによる評価を3割として合否判定点を算出し、60点合否判定を行う。試験による評価は中間4割、期末6割の割合とする。合否判定点で不合格となった場合は、全レポートを提出している事を受験条件とした上で、2回の試験中で不合格であった回を範囲として合格点60点で再試験を行う。
ソフトコンピューティングや信号画像処理とも強く関連するため、それらの科目を同時に履修し、関係性を意識しながら受講すると一層楽しめる。この分野をまとめて積極的に取り組む程、面白さが見えてくる。これまでに得た知識を総動員して頑張ろう。
前関連科目 4J確率統計・3Jプログラミング言語II
後関連科目 1KS多変量解析・1S人工知能特論
注意点:
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
線形代数の復習(ベクトル・行列・内積など) |
基礎的な線形代数の計算ができる。
|
2週 |
パターン認識システムの概略 |
パターン認識システムの概略を説明できる。
|
3週 |
最近傍決定則 |
最近傍決定則を説明できる。
|
4週 |
最近傍決定則 |
最近傍決定則を説明できる。
|
5週 |
線形識別関数とパーセプトロン |
線形識別関数とパーセプトロンを説明できる。
|
6週 |
線形識別関数とパーセプトロン |
線形識別関数とパーセプトロンを説明できる。
|
7週 |
ニューラルネットワークの概略 |
ニューラルネットワークの概略を説明できる。
|
8週 |
前期中間試験を実施する。 |
|
2ndQ |
9週 |
確率統計の復習(ベイズの定理・共分散など) |
基礎的な確率統計の計算ができる。
|
10週 |
ベイズ識別規則 |
ベイズ識別規則を説明できる。
|
11週 |
ベイズ識別規則 |
ベイズ識別規則を説明できる。
|
12週 |
最尤法によるパラメータ推定 |
最尤法によるパラメータ推定を説明できる。
|
13週 |
最尤法によるパラメータ推定 |
最尤法によるパラメータ推定を説明できる。
|
14週 |
クラスタリング |
クラスタリングを説明できる。
|
15週 |
特徴空間の次元と学習パターン数の関係 |
特徴空間の次元と学習パターン数の関係を説明できる。
|
16週 |
前期中間試験を実施する。 |
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
専門的能力 | 分野別の専門工学 | 情報系分野 | 情報数学・情報理論 | 集合に関する基本的な概念を理解し、集合演算を実行できる。 | 2 | |
情報量の概念・定義を理解し、実際に計算することができる。 | 1 | |
その他の学習内容 | メディア情報の主要な表現形式や処理技法について説明できる。 | 3 | |
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 | 70 | 0 | 0 | 0 | 30 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 70 | 0 | 0 | 0 | 30 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |