授業情報/Course information

開講学期/Course Start 2018年度/Academic Year  前期/First
開講曜限/Class period 月/Mon 5,月/Mon 6,月/Mon 7,月/Mon 8
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知能情報学コース
対象学年/Year 1年,2年
授業科目区分/Category 博士前期課程 大学院自専攻科目
必修・選択/Mandatory or Elective 選択
授業方法/Lecture or Seminar 主として講義
授業科目名/Course Title アルゴリズム特論A
単位数/Number of Credits 2.0
担当教員名/Lecturer 岸上順一(情報電子工学系学科コンピュータ知能学コース)
時間割コード/Registration Code MP316
連絡先/Contact 岸上順一(jay@mmm.muroran-it.ac.jp V514 0143-46-5423)
オフィスアワー/Office hours 岸上順一(1000-1200 every Wednesday)
更新日/Date of renewal 2018/03/20
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理
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.
参考書等
/Required Materials
(ISBN:4621061224)
(ISBN:4320123085)
教科書・参考書に関する備考 [教科書]
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]
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
[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
基礎を講義で体得し、その応用を演習あるいはレポートとして実行し、その到達度を成績対象とする。60点以上を合格とする.
Achievement level would be evaluated by the report and practices. The 60 and more marking will be required for the pass.
履修上の注意
/Notices
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
/Related course
アルゴリズム特論B, 情報数理工学特論B
備考
/Notes
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.
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません
Active learning 1-1
/主体的学修(予復習,反転授業,小テスト,振り返り 等)
小テストで到達度をみる
An achievement question will be placed several times.
Active learning 1-2
/上記項目に係るALの度合い
15%~50%
Active learning 2-1
/対話的学修(グループ学習,協働,調査体験 等)
Active learning 2-2
/上記項目に係るALの度合い
該当なし
Active learning 3-1
/深い学修(複数科目の知識の総合化や問題解決型学修 等)
Active learning 3-2
/上記項目に係るALの度合い
該当なし