到達目標
(1) 識別,学習という概念を理解し,基本的な識別規則について理解できる.(定期試験,課題)
(2) 線形識別関数とその学習手法を理解できる.(定期試験,課題)
(3) 確率に基づく識別手法を理解できる.(定期試験,課題)
(4) ニューラルネットワーク,サポートベクトルマシン、期待損失最小化識別について理解できる.(定期試験,課題)
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 |
到達目標(1)の評価指標
| 識別,学習という概念を理解し,基本的な識別規則について詳細まで理解できる. | 識別,学習という概念を理解し,基本的な識別規則について理解できる. | 識別,学習という概念を理解し,基本的な識別規則について理解できない. |
到達目標(2)の評価指標 | 線形識別関数とその学習手法を詳細まで理解できる. | 線形識別関数とその学習手法を理解できる. | 線形識別関数とその学習手法を理解できない. |
到達目標(3)の評価指標 | 確率に基づく識別手法を詳細まで理解できる. | 確率に基づく識別手法を理解できる. | 確率に基づく識別手法を理解できない. |
到達目標(4)の評価指標 | ニューラルネットワーク,サポートベクトルマシン、期待損失最小化識別について詳細まで理解できる. | ニューラルネットワーク,サポートベクトルマシン、期待損失最小化識別について理解できる. | ニューラルネットワーク,サポートベクトルマシン、期待損失最小化識別について理解できない. |
学科の到達目標項目との関係
学習・教育目標 (E1)
説明
閉じる
JABEE 1.2(d)(1)
説明
閉じる
JABEE 1.2(g)
説明
閉じる
教育方法等
概要:
コンピュータによるパターン認識の基礎及び,パターン認識を実現するための基本的な手法について学ぶ.授業は反転授業形式で行い,各項目の理論等を自宅で学習し,授業ではPython言語を用いて,自宅で学んだことを実践する.
(科目情報)
教育プログラム 第3学年 ○科目
授業の進め方・方法:
本授業を反転授業形式で行う.それぞれの章を事前に自習してもらい、自習内容の理解度を確認するための課題を提出してもらう.授業時は、プログラムとして実装された多数の実例を用いて、事前に学習してきた内容に確かめながら理解を深める.
以上をもって、確実な理解と知識の定着にを図る.
(事前学習)
反転授業形式のため、指定された内容を事前に教科書で必ず学習すること
注意点:
(履修上の注意)
講義の途中でもわからなくなったら,何時でも質問してよい.
線形代数およびの確率・統計の基礎を復習すること.
(自学上の注意)
自宅学習の内容は,十分に余裕をもって学習すること.
評価
(総合評価)
総合評価=(2回の定期試験の平均点)☓0.7 + (課題)☓0.3
(再試験について)
再試験は原則として実施しない.
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 |
はじめに |
授業の進め方を説明し、Python言語の基本的な使い方を学習する.
|
2週 |
パターン認識とは |
パターン認識における基本的な概念を理解する.
|
3週 |
線形識別モデル学習 |
線形識別関数とパーセプトロンの学習規則について理解する.
|
4週 |
誤差評価に基づく学習 |
最小二乗法による及びWidrow-Hoffの学習規則のそれぞれによる線形識別関数の学習について理解する.
|
5週 |
事後確率最大化基準による識別 |
事後確率最大化基準とそれに基づく識別について理解する.
|
6週 |
パラメトリックな学習 |
最尤推定について理解する.
|
7週 |
ベイズ推定 |
ベイズ推定の基礎的な概念を理解する.
|
8週 |
ベイズ推定 |
ベイズ推定の応用例を理解する.
|
2ndQ |
9週 |
前期中間試験 |
|
10週 |
クラス依存確率密度を正規分布でモデル化したMAP推定
|
クラス依存確率密度を正規分布でモデル化したときの識別関数について理解する.
|
11週 |
ニューラルネットワーク |
ニューラルネットワークの構造と誤差逆伝播法について理解できる。
|
12週 |
サポートベクトルマシン |
サポートベクトルマシンの基本的な概念を理解する.
|
13週 |
サポートベクトルマシン |
サポートベクトルマシンの応答例を理解する.
|
14週 |
期待損失最小化識別 |
損失、リスク、期待損失最小化識別について理解する.
|
15週 |
前期期末試験 |
|
16週 |
前期期末試験の解答と解説 |
分からなかった部分を把握し理解できる.
|
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 |
評価割合
| 試験 | 課題 | 合計 |
総合評価割合 | 70 | 30 | 100 |
基礎的能力 | 30 | 20 | 50 |
専門的能力 | 40 | 10 | 50 |