情報工学

科目基礎情報

学校	高知工業高等専門学校	開講年度	2017
授業科目	情報工学
科目番号	1040	科目区分	専門 / 必修
授業形態	講義	単位の種別と単位数	履修単位: 2
開設学科	電気情報工学科	対象学年	5
開設期	通年	週時間数	2
教科書/教材	教科書：E. クライツィグ「数値解析」（培風館） 参考書：末松 良一，山田 宏尚「画像処理工学」（コロナ社）
担当教員	西内 悠祐

到達目標

【到達目標】
１．コンピュータにおける情報処理を理解する。
２．数値計算の基礎知識・手法を理解する。
３．画像処理の基礎知識・手法を理解する。
４．画像処理・数値計算のプログラミングが行える。

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	コンピュータ情報処理について利点・欠点を導き出せる	どのような処理であるか理解できる	どのような処理であるか理解できない
評価項目2	手法を実現するアルゴリズムを構築できる	どのような手法であるか理解できる	どのような手法であるか理解できない
評価項目3	効率的なアルゴリズム実装に関し創意工夫できる	プログラムを作成できる	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

学習・教育到達目標 (B) （早期一貫教育による数学，自然科学，情報技術や化学及び生物に関する専門基礎知識）

JABEE基準1（2） (d)(1) （専門工学（工学（融合複合・新領域）における専門工学の内容は申請大学が規定するものとする）の知識と能力）

教育方法等

概要:

コンピュータにおけるディジタル情報を処理する応用分野である画像処理や数値計算を講義や実習を通して深く学び，様々な情報工学の分野における応用能力を高める。これによって，「専門の基礎学力をつけ，応用力を涵養する」力をつける。

授業の進め方・方法:

理論や手法の説明後，プログラミングを行い説明した手法の実装を行う．

注意点:

試験の成績60 %，平素の学習状況等（課題・小テスト・レポート等を含む）を40 %の割合で総合的に評価する。学期毎の評価は中間と期末の各期間の評価の平均，学年の評価は前学期と後学期の評価の平均とする。なお，通年科目における後学期中間の評価は前学期中間，前学期末，後学期中間の各期間の評価の平均とする。技術者が身につけるべき専門基礎として，上記の到達目標に対する達成度を試験等において評価する。

授業計画

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	オリエンテーション [1]：学習目的，到達目標，学習方法の指導，学習環境の整備を行う。また，現代科学技術と数値計算の関わりについて講義する。	数値計算と誤差についてどんなものか理解する．
		2週	数値積分[2-4]：矩形法，台形法について学ぶ。	数値積分がどんなものか理解し，矩形法，台形法がどんな手法か理解する．
		3週	数値積分[2-4]：矩形法，台形法について学ぶ。	数値積分がどんなものか理解し，矩形法，台形法がどんな手法か理解する．
		4週	数値積分[2-4]：矩形法，台形法について学ぶ。	数値積分がどんなものか理解し，矩形法，台形法がどんな手法か理解する．
		5週	微分方程式の反復法[5-8]：数値微分の概念，オイラー法などの逐次法について学ぶ。	数値積分がどのようなものか理解し，オイラー法，逐次法がどのような手法か理解する．
		6週	微分方程式の反復法[5-8]：数値微分の概念，オイラー法などの逐次法について学ぶ。	数値積分がどのようなものか理解し，オイラー法，逐次法がどのような手法か理解する．
		7週	微分方程式の反復法[5-8]：数値微分の概念，オイラー法などの逐次法について学ぶ。	数値積分がどのようなものか理解し，オイラー法，逐次法がどのような手法か理解する．
		8週	微分方程式の反復法[5-8]：数値微分の概念，オイラー法などの逐次法について学ぶ。	数値積分がどのようなものか理解し，オイラー法，逐次法がどのような手法か理解する．
	2ndQ
		9週	方程式の反復法[9-12]：Newton-Raphson 法，2分法などについて学ぶ。	方程式の解を求める手法としてNewton法や2分法がどのようなものか理解する．
		10週	方程式の反復法[9-12]：Newton-Raphson 法，2分法などについて学ぶ。	方程式の解を求める手法としてNewton法や2分法がどのようなものか理解する．
		11週	方程式の反復法[9-12]：Newton-Raphson 法，2分法などについて学ぶ。	方程式の解を求める手法としてNewton法や2分法がどのようなものか理解する．
		12週	方程式の反復法[9-12]：Newton-Raphson 法，2分法などについて学ぶ。	方程式の解を求める手法としてNewton法や2分法がどのようなものか理解する．
		13週	曲線近似[13-14]：最小二乗法などを用いたデータ処理について学ぶ。	近似について理解し，最小二乗法などがどのような近似手法かを理解する．
		14週	曲線近似[13-14]：最小二乗法などを用いたデータ処理について学ぶ。	近似について理解し，最小二乗法などがどのような近似手法かを理解する．
		15週	アプリケーション開発[15-16]： コンピュータとディジタル画像について講義し，アプリケーション開発の環境整備を行う。	コンピュータにおけるディジタル画像とアプリケーション開発について理解し，アプリケーションの開発環境を構築する．
		16週
後期
	3rdQ
		1週	アプリケーション開発[15-16]： コンピュータとディジタル画像について講義し，アプリケーション開発の環境整備を行う。	コンピュータにおけるディジタル画像とアプリケーション開発について理解し，アプリケーションの開発環境を構築する．
		2週	ディジタル画像の基礎[17-18]：ディジタル画像の特徴，画像の分類，画像の標本化，量子化について学ぶ。また，画像データの基礎を学び，画像処理アプリケーションの開発を行う。	ディジタル画像の分類と標本化，量子化がどのようなものか理解し，アプリケーションで画像を処理する手法について理解する．
		3週	ディジタル画像の基礎[17-18]：ディジタル画像の特徴，画像の分類，画像の標本化，量子化について学ぶ。また，画像データの基礎を学び，画像処理アプリケーションの開発を行う。	ディジタル画像の分類と標本化，量子化がどのようなものか理解し，アプリケーションで画像を処理する手法について理解する．
		4週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
		5週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
		6週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
		7週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
		8週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
	4thQ
		9週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
		10週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
		11週	濃淡画像処理[19-26]：濃度変換，平滑化，鮮鋭化，エッジ検出について学び，実習を行う。	濃度変換，平滑化，鮮鋭化，エッジ検出がどのような手法であるか理解する．
		12週	2値画像処理[27-28]：2値化処理，2値画像処理を学び，実習を行う。	画像お2値化処理について学び，2値化手法について理解する．
		13週	2値画像処理[27-28]：2値化処理，2値画像処理を学び，実習を行う。	画像お2値化処理について学び，2値化手法について理解する．
		14週	画像認識[29-30]：領域分割，テンプレートマッチングを学び，実習を行う。	領域分割とテンプレートマッチングの手法について理解する．
		15週	画像認識[29-30]：領域分割，テンプレートマッチングを学び，実習を行う。	領域分割とテンプレートマッチングの手法について理解する．
		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
専門的能力	分野別の専門工学	電気・電子系分野	情報	基本的なアルゴリズムを理解し、図式表現できる。	3
				プログラミング言語を用いて基本的なプログラミングができる。	3
				整数、小数を2進数、10進数、16進数で表現できる。	3
				基数が異なる数の間で相互に変換できる。	3
		情報系分野	プログラミング	変数とデータ型の概念を説明できる。	3
			ソフトウェア	コンピュータ内部でデータを表現する方法(データ構造)にはバリエーションがあることを説明できる。	2
				同一の問題に対し、選択したデータ構造によってアルゴリズムが変化しうることを説明できる。	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	60	0	0	0	10	30	100
基礎的能力	30	0	0	0	10	15	55
専門的能力	30	0	0	0	0	15	45
分野横断的能力	0	0	0	0	0	0	0