| 開講学期／Course Start | 2022年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 木/Thu 5 , 木/Thu 6 , 木/Thu 7 , 木/Thu 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情報システム学コース |
| 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 | 情報メディア工学特論Ｂ |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 岡田 吉史 (システム理化学科数理情報システムコース) |
| 時間割コード／Registration Code | MQ313 |
| 連絡先／Contact |
岡田 吉史(教員室：V402 okada＠csse.muroran-it.ac.jp) |
| オフィスアワー／Office hours | 岡田 吉史(木曜日 16:00－17:00 (V402室) ) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2022/02/28 |
|---|---|
| 授業のねらい ／Learning Objectives |
膨大なデータの中からユーザに適した情報を抽出する技術は、情報工学分野における重要なテーマとなっている。本講義では、ユーザの意図、関心、嗜好に合った情報を提供することを目的とした「情報検索システム」と「情報推薦システム」に関する基本原理と応用技術について論ずる。 Information extraction from large-scale database is a key issue in the field of information engineering. This course provides fundamental knowledge and practical technologies concerning information retrieval systems and recommender systems. |
| 到達度目標 ／Outcomes Measured By: |
1. 情報検索システムおよび情報推薦システムの基本原理を説明できる。 2. 基本的な検索/推薦モデルを用いてシステムを構築し、性能評価を行うことができる。 1. Understanding the basic principles of information/recommender systems 2. Implementing basic retrieval/recommendation models and evaluating the performances on those systems. |
| 授業計画 ／Course Schedule |
総授業時間数 22.5時間 (Total hours 22.5hrs) 1週目： 情報検索システムの構成 (Component technologies of information retrieval systems) 2週目： 検索モデルと性能評価 (Retrieval models and performance evaluation) 3週目：情報推薦システムの構成 (Component technologies of recommender systems) 4週目：推薦モデルと性能評価（Recommendation models and performance evaluation) 5週目： 実験計画に関するプレゼンテーション (Presentation on experimental design) 6週目： 検索システム／推薦システムの実装（Impulementation of retrieval system/recommender system） 7週目： 検索システム／推薦システムに関する実験（Performance evaluation of retrieval system/recommender system） 8週目： 本授業のまとめとレポート作成（Summary of this class and report writing) 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。 Due to the epidemic situation of COVID19, the plan and implementation method may be changed. In that case, I will explain to you properly. 各回の学修時間の目安は、事前・事後合わせて４時間必要です。 For each 90 minute class, students are expected to undertake an additional 4 hours of self study. |
| 教科書 ／Required Text |
なし。適宜資料を配布する。 |
| 参考書等 ／Required Materials |
Modern Information Retrieval: The Concepts and Technology behind Search (2nd Edition) , Ricardo Baeza-Yates, Berthier Ribeiro-Neto, Addison-Wesley Professional; 2版(ISBN:0321416910)
Recommender Systems: An Introduction, Dietmar Jannach他, Cambridge University Press (ISBN:0521493366) |
| 教科書・参考書に関する備考 |
教科書は指定しない。授業中に講義スライドを配布する。 Nothing special. Lecture slides will be provided in class. |
| 成績評価方法 ／Grading Guidelines |
プレゼンテーション（30%）とレポート（70%）で評価する。 プレゼンテーションを行わなかった者、提出期限までにレポートの提出が無い者は、成績評価の対象とせず不合格とする． 合計点数が60点以上を合格とする． 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。 Evaluation is based on a presentation (30%) and two reports (70%). A score of 60% or better is required to pass this course. Due to the epidemic situation of COVID19, the evaluation method may be changed. In that case, I will explain to you properly. |
| 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知能情報学コースの学習・教育目標の全ての項目に対応している． This course is relate to all the educational policies of Computer Systemics Course and Intelligent Informatics Course in Division of Information and Electronic Engineering. |
| 備考 ／Notes |
本講義は日本語で行われる。 This lecture will be taught in Japanese. |
| 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） |
自ら実験テーマを設定し、それについての調査とプログラミングを行う。 Students will set their own experimental themes and conduct document survery and programming on them. |
|---|---|
|
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） |
自ら実験テーマを設定し、それについての調査とプレゼンテーションを行う。 Students will set their own experimental themes and conduct document survery and presentation on them. |
|
Active learning 2-2 ／上記項目に係るALの度合い |
15%～50% |
|
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） |
最先端の情報検索システム・情報推薦システムに関する技術を実践的に学ぶ。 Studens will learn plactical techniques related to cutting-edge information retrieval systems and recommender systems. |
|
Active learning 3-2 ／上記項目に係るALの度合い |
50%超 |