授業情報/Course information

開講学期/Course Start 2021年度/Academic Year  前期/First
開講曜限/Class period 水/Wed 3,水/Wed 4
授業区分/Regular or Intensive 週間授業
対象学科/Department 生産システム工学系専攻ロボティクスコース
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 講義科目
授業科目名/Course Title 計測工学特論
単位数/Number of Credits 1.0
担当教員名/Lecturer 相津佳永
時間割コード/Registration Code MP207A
連絡先/Contact 相津佳永(0143-46-5348,  Email: aizu@mmm.muroran-it.ac.jp, Y401)
オフィスアワー/Office hours 相津佳永(Tuesday 16:30-17:00)
実務経験/Work experience 相津佳永(電機光学製品の研究開発事業を扱う企業での光計測システムの研究開発経験を有する)
更新日/Date of renewal 2021/03/05
授業のねらい
/Learning Objectives
多変量解析の基礎を学ぶ。複雑事象を直交化軸に展開する手法の理解。重回帰の概念の理解と重回帰分析および主成分分析・要因分析の原理を理解し計測・評価への応用能力を養う。

This subject is designed for graduates who are interested in multi-variate analysis.
到達度目標
/Outcomes Measured By:
1.多変量解析の基礎を学び,多くの複雑な現象の絡まりあった対象から一定の認識・理解を引き出す過程と手法を使いこなせるようにする。
2.具体的には,多変数ガウス分布による主成分分析の概念の理解と,直交化の手法の理解。
3.重回帰の概念の理解と重回帰分析および主成分分析の計測・評価への適用例の理解。

1. Learning of fundamental multi-variate analysis, and training of using the processes and methods to derive a certain level of recognition and understanding from phenomena which consist of various complicated objects.
2. Understanding of the concept of principal component analysis using multi-variate Gaussian distribution, and of the method of orthogonalization.
3. Understanding of the multiple regression concept, and  of applications of the multiple regression analysis and principal component analysis to measurements and estimation.
授業計画
/Course Schedule
1.統計変数の概念理解
2.統計的な直交性と直交化
3.同上
4.主成分分析
5.重回帰分析と重回帰
6.多変量統計変数の計測への適用例
7.同上

総授業時間数(実時間):10.5時間

・毎週の講義内容に基づきレポートを課す.その作成のために毎回の講義内容について自己学習(復習)を欠かさないこと.
 新型コロナウイルス感染症の流行状況に伴い,学生のみなさんへの十分な周知のもと,授業計画・授業実施方法は変更する可能性があります.

1. Statistical variables and concept
2. Statistical independence
3. Statistical independence
4. Principal component analysis
5. Multiple regression analysis
6. Application to measurements
7. Application to measurements

Total  hours of lecture: 10.5 hours

Report based on the contents given in the class should be submitted every week. Self learning is essential with the submitted report every week.

<Due to the epidemic situation of COVID19, the plan and implementation method may be changed. In that case, I will explain to you properly.>
参考書等
/Required Materials
多変量解析のはなし 有馬哲, 石村貞夫共著 東京図書 1987(ISBN:9784489002311)
多変量解析法入門 永田靖, 棟近雅彦共著 サイエンス社 2001(ISBN:9784781909806)
教科書・参考書に関する備考 教科書は使わない.必用に応じてプリントを配布

No publised textbook is used.  Materials may be delivered in the class.
成績評価方法
/Grading Guidelines
試験100点満点の結果で判定。60%以上を合格とする。
 新型コロナウイルス感染症の流行状況に伴い,学生のみなさんへの十分な周知のもと,成績評価方法は変更する可能性があります.

The score may be evaluated by examination (100%).
A grade of more than 60% is accepted for a credit.

<Due to the epidemic situation of COVID19, the evaluation method may be changed. In that case, I will explain to you properly.>
履修上の注意
/Notices
1.講義中に演習が含まれることがある. 80%の出席が必要.
2.再試験は行わない.
3.不合格者は再履修すること.
4.授業の変更や緊急時の連絡はメールで通知する.

1. Lecture may include exercise.  Attendance of more than 80% is necessary.
2. Examination is only once.
3. Students who did not pass the exam should take the course next academic year.
4. Change of schedule and notification of emergency may be made by email.
教員メッセージ
/Message from Lecturer
自然界の複雑事象を統計的な立場から計量評価し,適格な判断基準を得る資質を養うことを希望する。

I hope that students accquire the ability to evaluate complicated phonomena in nature in a statistical manner, and to obtain appropriate condition for recognition.
学習・教育目標との対応
/Learning and Educational Policy
主に以下の能力の涵養に対応する.
1.機械システムを評価する能力
2.実験結果を評価する能力
3.数理モデルを構築し数値解析する能力

The following abilities are expected for training.
1. Evaluation of mechanical system.
2. Discussion of experimental results.
3. Analysis of numerical data.
関連科目
/Related course
学部:電気電子工学,計測情報工学,機械システム工学実験
大学院:光センシング特論,生産システム情報工学特論

Bachelor Course : Electrical engineering and electronics, Instrumentation, Experiments
Master Course : Advanced optical sensing, Advanced system and information engineering for production.
実務経験のある教員による授業科目
/Course by professor with work experience
関連した実務経験を有している教員が担当する科目

This subject is given by a lecturer who has practical experience related to this field.
備考
/Notes
講義における言語は日本語.共通の解析手法についての知識は広い分野で学ぶ価値有り.

The lecture is made In Japanese. Knowledge of common analyzing methods is useful in various fields.

本科目は,数理データサイエンス教育プログラムの科目におけるデータサイエンス科目群に含まれ,科学・工学におけるデータを中心とした情報学的アプローチを学ぶます。DSポイント:2ポイント
The content of this course is the informatics approach to science and engineering. The course is supported by Mathematical and Data Science Education Program of Muroran Institute of Technology.
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(反転授業,小テスト,振り返り 等)
単元ごとに課題のレポート提出,中間テスト,小テスト
Enough review is required for the report in the end of each section, and also the midterm test and short test is.
Active learning 1-2
/上記項目に係るALの度合い
15%未満
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