- 開講元
- 電気電子系
- 授業形態
- 講義
- メディア利用科目
- 曜日・時限(講義室)
- -
- クラス
- -
- 科目コード
- EEE.M251
- 単位数
- 2
- 開講年度
- 2024年度
- 開講クォーター
- 3Q
- シラバス更新日
- 2024年3月14日
- 講義資料更新日
- -
- 使用言語
- 日本語
- アクセスランキング
-
media
講義の概要とねらい
本科目では、インフォマティクスの基礎概念および数値計算の方法を学ぶ。インフォマティクスの基礎概念は、電気電子系の諸分野の研究を行う上で重要な知識となる。講義と演習を通じて、電気電子の研究で取得するデータ・情報の解析や活用方法、情報数学、計算幾何、計測・分析、機械学習を幅広く理解し身につけることを目的とする。また、インフォマティクス諸分野で汎用言語となっているPythonを修得することで、他の講義、実験、研究などの場面での数値解析への活用もねらいとする。以て、電気電子系の研究に情報科学を取り入れるための視点を養う。
到達目標
本講義を履修することで次の能力を修得する。
1) 情報科学の基礎概念である情報数学、計算幾何、計量と分析の理論の知識を有する。
2) 機械学習の種々の手法を一通り取り扱うことができるようになる。
3) 上記の項目についてPythonを用いて簡単な数値計算を実行できるようになる。
対応する学修到達目標は、
(1) 【専門力】基盤的な専門力
(4) 【展開力】（探究力又は設定力）整理及び分析できる力
(7) 幅広い専門知識を習得し,より高度な専門分野や他分野に自ら学修を広げる力
キーワード
情報数学、計算幾何、計測、機械学習、Python
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | 教養力 | コミュニケーション力 | ✔ 展開力(探究力又は設定力) | 展開力(実践力又は解決力) |
| ✔ 電気電子分野の応用専門力 | ||||
授業の進め方
各回の講義では理解度の向上のため、講義の冒頭に前回の内容に関する簡単な演習および解説を実施する。また、数値計算の実践力を身につけてもらうため、Pythonを用いた演習回を織り交ぜて実施する。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | 情報科学入門１：イントロダクション | 情報科学の概観および情報数学の基礎概念（集合・論理、整数、グラフ、組み合わせ論）の理解 |
| 第2回 | 演習 | Python環境の準備と基本シンタックス、科学技術計算ライブラリの習得 |
| 第3回 | 情報科学入門2：計算理論 | 計算量・複雑性、決定問題、およびアルゴリズム評価の理解 |
| 第4回 | 情報科学入門3：情報幾何と計量・分析 | 確率統計の復習と確率過程および情報計量に関する基礎概念の理解 |
| 第5回 | 演習 | Pythonによるインフォマティクスの諸概念の計算の実装。可視化の手法の習得 |
| 第6回 | 機械学習1：教師あり学習（回帰） | 線形回帰の理論と過学習、正則化の手法の理解 |
| 第7回 | 機械学習2：教師あり学習（分類） | ロジスティック回帰やSVMの手法の理解 |
| 第8回 | 演習 | 教師あり学習の演習 |
| 第9回 | 中間試験 | Pythonを用いた数値計算 |
| 第10回 | 機械学習3：教師なし学習（次元削減） | 次元削減の概念と実装方法（PCA、NMF等）の理解 |
| 第11回 | 機械学習4：教師なし学習（クラスタリング） | クラスタリングの概念と実装方法（k-means法、混合ガウスモデル等）の理解 |
| 第12回 | 演習 | 教師なし学習の演習 |
| 第13回 | 機械学習5：半教師あり学習 | 教師あり/なし学習を組み合わせた手法（一貫性正則化やエントロピー最小化）の理解 |
| 第14回 | 機械学習6：強化学習入門 | 強化学習の基礎的概念の理解 |
| 第15回 | 総合演習（情報科学入門および機械学習） | 第1回から第14回までの内容の総演習および理解の確認 |
授業時間外学修（予習・復習等）
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する 予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
特になし
参考書、講義資料等
参考書：「Pythonで動かして学ぶ！あたらしい機械学習の教科書」伊藤真著 翔泳社
成績評価の基準及び方法
情報科学基礎理論および派生分野に関する理解度、Pythonを用いた数値計算への習熟度を評価する。演習（40%）に加えて、理解度・習熟度の確認のため、Pythonを用いた数値計算の中間試験（30%）、期末レポ―ト（30%）により成績を評価する。
関連する科目
- EEE.M221 ： 計算アルゴリズムとプログラミング
- EEE.M231 ： 応用確率統計
- EEE.S341 ： 通信理論（電気電子）
- EEE.S351 ： 信号システム
- EEE.M252 ： 電気電子インフォマティクスⅡ
履修の条件(知識・技能・履修済科目等)
計算アルゴリズムとプログラミングは必須とするほか、応用確率統計の履修を推奨する。
