開講学期
Course Start
2014年度 前期
授業区分
Regular or Intensive
週間授業
対象学科
Department
情報電子工学系専攻
対象学年
Year
1
必修・選択
Mandatory or Elective
選択
授業方法
Lecture or Seminar
講義
授業科目名
Course Title
アルゴリズム特論A
授業科目名(英語)
Course Title
[授業科目名(英語)]
単位数
Number of Credits
2
担当教員
Lecturer
岸上順一 Jay Kishigami
教員室番号
Office
V514
連絡先(Tel)
Telephone
5423
連絡先(E-mail)
E-mail
jay(at)csse.muroran-it.ac.jp
オフィスアワー
Office Hour
原則平日昼間、予めメールあるいは電話してもらうと確実
Any day time will be open except some occupation, strongly recommend to contact in advance by email or phone.
授業のねらい
Learning Objectives
コンピュータ性能の飛躍的な向上は近年、ある事象の解析に関係ありそうなすべてのデータを用いて対応するというBig Dataあるいはそれを担うデータサイエンスの分野が注目されてきている。本特論では、特にソフトコンピューティングの分野における計算科学を体系的に体得し、データサイエンスの領域への応用ができるような基礎体力をつけることを目指す。
A tremendous computer power is making it possible to analyze all related data, called Big Data or Data Science. This course will facilitate to understand the holistic soft-computing science and give the fundamentals of the Data Science.
到達度目標
Outcomes Measured By:
- 確率論の基礎を体得し、現象を式の展開として理解できる To understand the fundamentals of probability theory and describe it as an equation method.
- ファジィ理論の基礎を理解し、簡単な応用に適用できる To understand the fundamentals of fuzzy theory and use it for simple applications
- ソフトコンピューティングの分野を鳥瞰的に
授業計画
Course Schedule
1. ガイダンス Guidance of the course
2. 確率論 1 確率密度 Probability theory; Probability densities
4. 確率論 2 ベイズ確率 Bayesian probabilities
5. 確率論 3 ガウス分布 The Gaussian distribution
5. 確率論 4 ベイズ曲線フィッティング Bayesian curve fitting
6. 決定理論 1 誤識別率の最小化 Decision theory; Minimizing the misclassification rate
7. 決定理論 2 回帰のための損失係数 Loss functions for regression
8. 情報理論 1 相対エンエントロピー Information theory; Relative entropy
9. 情報理論 2 相互情報量 mutual information
10. 回帰分析 1 単純 Regression analysis; Simple case
11. 回帰分析 2 多重 Multiple case
12. ファジィクラスタリング Fuzzy Clustering
13. ファジィ集合、推論、制御の基礎 Fuzzy set, inference and control
14. ヒューマンインタフェースへのファジィ制御の応用 Applications of Fuzzy control for human interface
15. 演習発表会 Presentation
90minutes × 15 weeks=1350 minutes
教科書
Required Text
参考書を手に入れるのが望ましいが、適時資料を配布する。
Strongly recommend to get the reference textbook 1, The document will be distributed in a class as needed.
参考書
Required Materials
1. パターン認識と機械学習(上) C.M.ビショップ Springer 2010年
1. Pattern recognition and machine learning, C.M.Bishop, Springer 2010
2. ソフトコンピューティングの基礎と応用 馬場則夫他 共立出版 2012年
3. 統計・多変量解析とソフトコンピューティング 金田行雄他 共立出版 2012年 
教科書・参考書に関する備考 この分野を専攻する学生は特に参考書を購入されたい。
These references are recommended to buy for the student who engage in this area.
成績評価方法
Grading Guidelines
演習、レポートを採点し60点以上を合格とする。
The requirement of this course is to get 60 points and above at practices and reports.
履修上の注意
Please Note
できるだけ丁寧に数式を理解し、体得できるように演習をすること。
Each practice is inevitable.
教員メッセージ
Message from Lecturer
本講義は聴いているだけではほとんど身につかない。各自が主体的に演習などをこなすことにより世界が見えてくる。そのダイナミズムを味わって欲しい。
Your active approach for informatics will be highly recommended. After you rise up to the fifth level, you can understand the dynamism of the informatics.
学習・教育目標との対応
Learning and Educational
Policy
この授業科目は情報電子工学系専攻の情報システム学コースとコンピュータ知能学コースの教育目的に対応している.
関連科目
Associated Courses
アルゴリズム特論B, 情報数理工学特論B
備考
Remarks
この授業は主に日本語で行います。必要に応じて英語でも対応は可能です。
The class will be conducted in Japanese mainly, but English will be available if necessary.