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 木/Thu 1,木/Thu 2,木/Thu 3,木/Thu 4
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 講義科目
授業科目名/Course Title アルゴリズム特論
単位数/Number of Credits 2.0
担当教員名/Lecturer 工藤康生,鈴木幸司
時間割コード/Registration Code MP413
連絡先/Contact 鈴木幸司((R308)
0143-46-5435
yuki(at)epsilon2.csse.muroran-it.ac.jp
(at)を@に変更してメール)
工藤康生(工藤康生(V408
0143-46-5469
kudo@csse.muroran-it.ac.jp
*@を小文字に変更してください。) )
オフィスアワー/Office hours 鈴木幸司(月曜日 13:30-14:30)
工藤康生(工藤康生(水曜日 16:30-17:30) )
実務経験/Work experience
更新日/Date of renewal 2021/02/28
授業のねらい
/Learning Objectives
計算論的知能学の中心的な研究分野として発展しているソフトコンピューテングの理論を学ぶと同時に応用力を習得する
To study basic theory of soft computing and apply its theory to design image coding algorithms.
到達度目標
/Outcomes Measured By:
1.ソフトコンピューテングに関する基本的な理論を理解する.(理解力)
To understand basic theory of soft computing (comprehension)
2.工学的な問題に対してソフトコンピューテングで学んだ知識を応用できる.(応用力)
To solve practical problems using soft computing theory (applied skill)
授業計画
/Course Schedule
"(1) Introduction to soft computing and lecture schedule. Brief introduction to neural networks.
(2) Principal components analysis
(3) A linear neuron model as a maximum eigenfilter (1)
(4) A linear neuron model as a maximum eigenfilter (2)
(5) A linear neuron and image coding (1)
(6) A linear neuron and image coding (2)
(7) Clustering algorithm and vector quantization (1)
(8) Clustering algorithm and vector quantization (2)
(9)~(15) image coding practice using soft computing theory
総時間数:1350分
total lecture time: 1350 minutes
自己学習:プログラム実装演習
assignment: implementation of clustering algorithm."

新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知の
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。
成績評価方法
/Grading Guidelines
成果発表,レポートで評価する。
results briefing  and report on exercise.
新型コロナウイルス感染症の流行状況に伴い、学生への十分な周知の
もと、成績評価方法は変更する可能性があります。
学習・教育目標との対応
/Learning and Educational Policy
この授業科目は情報工学専攻の学習・教育目標の全ての項目に対応している.
This subject corresponds to all learning and educational goals of the division.
備考
/Notes
この講義は基本的に英語で行われる。
配布資料は英語で記述されたものを使用する。

This lecture will be basically carried out in English.
Lecture handouts are written in English.

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)
Active learning 1-2
/上記項目に係るALの度合い
該当なし
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