到達目標
1. パタン処理の基礎技術等を理解する.
2. 情報量解析の基礎技術等を理解する.
3. 多変量分析の基礎技術等を理解する.
4. 統計的モデリングの基礎技術等を理解する.
5. パタン認識の基礎技術等を理解する.
6. 人工知能の基礎技術等を理解する.
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 | パタン処理技術を理解し,詳細な特徴を説明できる. | パタン処理技術を理解し,標準的な特徴を説明できる. | パタン処理技術に関する標準的な特徴を説明できない. |
評価項目2 | 情報量解析技術を理解し,特徴を説明でき,情報量の計算ができる. | 情報量解析技術を理解し,特徴を説明できる. | 情報量解析技術の特徴を説明できない. |
評価項目3 | 多変量分析技術を理解し,詳細な特徴を説明できる. | 多変量分析技術を理解し,標準的な特徴を説明できる. | 多変量分析技術に関する標準的な特徴を説明できない. |
評価項目4 | 統計的モデリング技術を理解し,特徴を説明でき,モデリング過程の計算ができる. | 統計的モデリング技術を理解し,特徴を説明できる. | 統計的モデリング技術の特徴を説明できない. |
評価項目5 | パタン認識技術を理解し,詳細な特徴を説明できる. | パタン認識技術を理解し,標準的な特徴を説明できる. | パタン認識技術に関する標準的な特徴を説明できない. |
評価項目6 | 人工知能技術を理解し,将来展望などを詳細に説明できる. | 人工知能技術を理解し,一般的事項を説明できる. | 人工知能技術に関する一般的事項を説明できない. |
学科の到達目標項目との関係
学習・教育到達度目標 A-6
説明
閉じる
JABEE 1(2)(d)(1)
説明
閉じる
JABEE 1(2)(e)
説明
閉じる
教育方法等
概要:
実験などで記録された多変量信号から必要な情報を取得するには,その目的に応じた解析手段,処理が必要となる.本講義では,代表的な解析手法について紹介するとともに,その基礎技術について理解することを目的とする.
授業の進め方・方法:
講義
事前に行う準備学習:講義の復習および予習を行ってから授業に臨むこと
注意点:
本科目では,60点以上の評価で単位を認定する.
学修単位のため、60時間相当の授業外学習が必要である.
授業外学習・事前:授業内容を予習しておく.
授業外学習・事後:授業内容に関する課題を解く.
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
パタン処理 |
パタン処理について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
2週 |
情報量解析 |
情報量解析について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
3週 |
多変量分析(1) |
主成分分析について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
4週 |
多変量分析(2) |
独立成分分析,非負値行列因子分解について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
5週 |
統計的モデリング(1) |
フィルタの特性を理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
6週 |
統計的モデリング(2) |
混合正規分布およびEMアルゴリズムについて理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
7週 |
統計的モデリング(3) |
カルマンフィルタ,粒子フィルタについて理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
8週 |
実験計画法と統計分析(1) |
分散分析について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
2ndQ |
9週 |
実験計画法と統計分析(2) |
実験計画について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
10週 |
試験 |
|
11週 |
試験の答案返却,解説 |
|
12週 |
パタン認識 |
パタン認識の各種アルゴリズムについて理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
13週 |
人工知能(1) |
人工知能について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
14週 |
人工知能(2) |
人工知能と社会との関係について理解する. 授業外学習・事後:授業内容の復習および授業内容に関する課題を解くこと
|
15週 |
レポート作成 |
|
16週 |
アンケート |
|
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 |
基礎的能力 | 数学 | 数学 | 数学 | 条件付き確率、確率の乗法定理、独立事象の確率を理解し、簡単な場合について確率を求めることができる。 | 4 | 前2 |
評価割合
| 試験 | レポート | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 60 | 40 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 60 | 40 | 0 | 0 | 0 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |