到達目標
1.パターン認識の技術は、工学のみならず、経済等においても用いられている。
2.社会において広く用いられているパターン認識のごく基礎的な知識を学ぶことを、この科目の到達目標とする。
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 | 識別に関する基礎的な説明ができること。 | 識別に関する基礎的な説明が、ヒントを与えられるとできること。 | 識別に関する基礎的な説明ができない。 |
評価項目2 | 学習に関する基礎的な説明ができること。 | 学習に関する基礎的な説明が、ヒントをあたえられるとできること。 | 学習に関する基礎的な説明ができない。 |
評価項目3 | | | |
学科の到達目標項目との関係
JABEE J(05)
説明
閉じる
本校 (1)-a
説明
閉じる
情報 (4)-a
説明
閉じる
教育方法等
概要:
講義および実習。
授業の進め方・方法:
質問をしない学生は理解しているとして授業をすすめる。
実習ではプログラムを組ませて、実際に動作を確認することを通して、アルゴリズム等を理解させる。
注意点:
参加型の授業である。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
1週 |
パターン認識の概略 |
パターン認識の流れ、データの種類、データの扱い方
|
2週 |
識別の概略-I |
識別規則、学習
|
3週 |
識別の概略-II |
識別率の推定方法
|
4週 |
ベイズ識別 |
ベイズ識別規則、尤度比
|
5週 |
前処理-I |
正規化
|
6週 |
前処理-II |
白色化
|
7週 |
近傍法 |
k-NN法
|
8週 |
線形識別-I |
正規方程式
|
2ndQ |
9週 |
線形識別-II |
判別分析
|
10週 |
パーセプトロン-I |
学習規則
|
11週 |
パーセプトロン-II |
誤差逆伝搬
|
12週 |
パーセプトロン-III |
過学習
|
13週 |
クラスタリング-I |
距離公理、k平均法
|
14週 |
クラスタリング-II |
単連結法
|
15週 |
クラスタリング -III |
ウォード法
|
16週 |
|
|
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 |
評価割合
| 試験 | 演習 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
総合評価割合 | 50 | 30 | 0 | 20 | 0 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 50 | 30 | 0 | 20 | 0 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |