開講学期 Course Start	2015年度 前期
授業区分 Regular or Intensive	週間授業
対象学科 Department	情報電子
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 知能情報学
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＠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 毎週配布する資料を確実に理解できるように勉強しておくこと。 Study hard to understand the each item based on the textbook and sheet.
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. 毎回の配布資料、課題などはすべてmoodleで行うため常にチェックすること。 Check moodle frequently.
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.