Course Objectives
1.特徴抽出部に関して説明できる。
2.識別部に関して説明できる。
3.ベイズ決定則について説明できる。
Rubric
| 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 | 特徴抽出部に関して容易に説明できる。 | 特徴抽出部に関して説明できる。 | 特徴抽出部に関して説明できない。 |
評価項目2 | 識別部に関して容易に説明できる。 | 識別部に関して説明できる。 | 識別部に関して説明できない。 |
評価項目3 | ベイズ決定則について容易に説明できる。 | ベイズ決定則について説明できる。 | ベイズ決定則について説明できない。 |
Assigned Department Objectives
Teaching Method
Outline:
コンピュータを用いたパターン認識について,基礎となる概念,原理,および応用的技術の習得を目的とする。
Style:
輪講形式に基づいて講義を行う。担当箇所は十分に理解して発表すること。また,講義中は積極的に質問すること。
Notice:
点数分配:定期試験100%とする。
評価基準:60点以上を合格とする。
再試:再試を行う。
Course Plan
|
|
|
Theme |
Goals |
1st Semester |
1st Quarter |
1st |
ベイズ統計学 |
ベイズ統計学が理解できる
|
2nd |
事前確率と事後確率 |
事前確率と事後確率が理解できる
|
3rd |
ベイズ決定則 |
ベイズ決定則が理解できる
|
4th |
パラメータ推定 |
パラメータ推定が理解できる
|
5th |
教師付き学習と教師なし学習 |
教師付き学習と教師なし学習が理解できる
|
6th |
EMアルゴリズム |
EMアルゴリズムが理解できる
|
7th |
マルコフモデル |
マルコフモデルが理解できる
|
8th |
復習 |
1週~7週の内容が理解できている
|
2nd Quarter |
9th |
隠れマルコフモデル |
隠れマルコフモデルが理解できる
|
10th |
混合分布のパラメータ推定 |
混合分布のパラメータ推定が理解できる
|
11th |
クラスタリング |
クラスタリングが理解できる
|
12th |
ノンパラメトリックベイズモデル |
ノンパラメトリックベイズモデルが理解できる
|
13th |
ディリクレ過程混合モデルによるクラスタリング |
ディリクレ過程混合モデルによるクラスタリングが理解できる
|
14th |
共クラスタリング |
共クラスタリングが理解できる
|
15th |
復習 |
9週~14週の内容が理解できている
|
16th |
|
|
Evaluation Method and Weight (%)
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | Total |
Subtotal | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
専門的能力 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |