シラバス参照

授業情報／Course information

科目一覧へ戻る 2020/04/02 現在

授業基本情報
科目名（和文）
／Course		 システム工学
科目名（英文）
／Course		 Systems Engineering
時間割コード
／Registration Code		 22140301
学部（研究科）
／Faculty		 情報工学部
学科（専攻）
／Department		 情報システム工学科
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○但馬　康宏
オフィスアワー
／Office Hour		 但馬　康宏(水曜２限)
開講年度
／Year of the Course		 2019年度
開講期間
／Term		 第2クォーター
対象学生
／Eligible Students		 2年次生（平成26年度以前入学生）
単位数
／Credits		 2.0
授業概要情報
更新日
／Date of renewal		 2019/03/06
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 画像認識?音声認識?機械翻訳などの複雑な人工知能システムを実現するため，昔は，あらかじめ専門家が様々な場合を想定して，if A and B then C という「ルール」を多数書き下すことによりプログラムを作成していた．これをルール?ベースという．しかし，この論理的アプローチでは，多数のルールを全て人間が直接書き下さなければならないので実装が面倒である．また，知識を表現する場合にも，YES/NO しか許されず，「その可能性は高いけど，確実にそうとは言えない」と言った曖昧さを表現できない．そのせいで，ルール?ベースによる人工知能の実現は大変難しいことがわかってきた．そこで最近は，大量のデータを集め，それを「統計解析」したり「機械学習」することで，人間があれこれ細かい指示を行わなくても，それなりに挙動するシステムを簡単に実現できる統計的アプローチが主流となっている．この授業では，この「統計解析」や「機械学習」の基本を学ぶ．
履修に必要な知識?能力?キーワード
／Prerequisites and Keywords		 大学の基本的な数学（線形代数，微分，確率統計）
履修上の注意
／Notes
教科書
／Textbook(s)		 なし．講義資料を配布します．
参考文献等
／References		 授業の中で紹介します．
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 授業の最初に前回の復習として質問をするので，前回の資料を読んで復習すること．
授業で出て来た用語について自分でも調べてみること．
資格等に関する事項
／Attention Relating to Professional License
備考
／Notes
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配付資料
／Handouts
1 1～2 [統計と推論]
確率論の基礎と統計		 なし なし
2 3～4 [ジニ係数]
統計量とジニ係数の理解と応用		 なし なし
3 5～6 [回帰と確率モデル]
回帰の理解と確率モデルの理解		 なし なし
4 7～8 [確率分布]
さまざまな確率モデルとそれを使ったモデルの理解		 なし なし
5 9～10 [統計と検定]
統計量を使った検定の考え方		 なし なし
6 11～12 [カイ二乗検定]
カイ二乗検定の理解		 なし なし
7 13～15 [t検定]
t検定の理解		 なし なし
8 16 [期末試験]
試験を行います．		 なし なし
授業評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識?理解
／Knowledge & Undestanding		 技能?表現
／Skills & Expressions		 思考?判断
／Thoughts & Decisions		 伝達?コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 確率論の基礎と確率モデルの適用ができる ○ ○ ○
2 実験データで相手を説得するのに不可欠なp値の概念と代表的な検定を説明できる． ○ ○ ○
3 実験を繰り返すことで変化する「尤度」の概念と最尤推定について説明できる． ○ ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 演習
1 確率論の基礎と確率モデルの適用ができる ○ ○
2 実験データで相手を説得するのに不可欠なp値の概念と代表的な検定を説明できる． ○ ○
3 実験を繰り返すことで変化する「尤度」の概念と最尤推定について説明できる． ○ ○
評価割合（％）
／Allocation of Marks		 50 50

科目一覧へ戻る