シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	システム計測工学特論Ａ／Advanced Sensing Systems A
時間割コード／Course Code	S221000043
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／
曜日コマ／Day, Period	他
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	中村雅之／NAKAMURA MASAYUKI
科目区分／Course Group	大学院（博士前期課程）　専門科目
教室／Classroom
必修・選択／Required/Elective	選択
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Faculty/Department
中村雅之／NAKAMURA MASAYUKI	理工学研究科／

難易度（レベル）／Level	レベル5
対応するＤＰ／DP	DP1･DP2･DP3
授業としての具体的到達目標／Concrete arrival target as the class	○統計理論を用いた推定技術の基礎を理解し，計測工学に応用します。（DP1・DP2） ○統計理論とニューラルネットワークによる識別技術を理解します。（DP2・DP3）
授業の概要／Summary of the class	計測工学におけるセンサ情報やデータを統計理論によって処理・解析する技術について学習します。計測工学への応用を想定した統計ツールを用いた演習を行います。
授業の内容予定／Contents plan of the class	第１回計測工学におけるデータ処理・解析技術第２回最尤推定法第３回最小二乗法第４回重回帰分析の基礎第５回重回帰分析の応用・演習第６回単純ベイズ法第７回識別関数法第８回パーセプトロン第９回ニューラルネットワーク第１０回サポートベクトルマシンの基礎第１１回サポートベクトルマシンの応用・演習第１２回ロジスティック回帰第１３回主成分分析第１４回クラスタリング第１５回総合討論
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価（授業の理解度の評価）:30％期末評価（総合討論による理解度の評価）:70％上記を合算して成績評価を行います。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習復習は上記の授業内容予定に従って行うこと。講義ノートをもとに復習すること。また，パソコンによる演習を行い，理解を深めること。
教材・教科書／The teaching materials, textbook	scikit-learnのユーザガイド，および， Pattern Recognition and Machine Learning C. M. Bishop Springer
参考文献／bibliography	パターン識別 R. O. Duda, P. E. Hart, D. G. Stork John Wiley & Sons
留意点・予備知識／Point to keep in mind, back ground	統計学の基礎および計測工学の知識が必要です。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワーの時間帯で受け付けます。オフィスアワー：木曜日 17:00～18:00 理工学部1号館3階316室
Eメールアドレス・HPアドレス／E-mail address, HP address	mnakam@hirosaki-u.ac.jp
学問分野1（主学問分野）／Discipline 1	J60:情報科学、情報工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J62:応用情報学およびその関連分野
学問分野3（副学問分野）／Discipline 3	K63:環境解析評価およびその関連分野
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	講義形式とPythonによる演習（メディア授業に移行した場合は、Teamsで実施します。）
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	有／Yes
その他／Others	特にありません。

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

開講科目名／Course	システム計測工学特論Ａ／Advanced Sensing Systems A
時間割コード／Course Code	S221000043
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／
曜日コマ／Day, Period	他
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	中村雅之／NAKAMURA MASAYUKI
科目区分／Course Group	大学院（博士前期課程）　専門科目
教室／Classroom
必修・選択／Required/Elective	選択
授業形式／Class Format	講義科目
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル5
対応するＤＰ／DP	DP1･DP2･DP3
授業としての具体的到達目標／Concrete arrival target as the class	○統計理論を用いた推定技術の基礎を理解し，計測工学に応用します。（DP1・DP2） ○統計理論とニューラルネットワークによる識別技術を理解します。（DP2・DP3）
授業の概要／Summary of the class	計測工学におけるセンサ情報やデータを統計理論によって処理・解析する技術について学習します。計測工学への応用を想定した統計ツールを用いた演習を行います。
授業の内容予定／Contents plan of the class	第１回計測工学におけるデータ処理・解析技術第２回最尤推定法第３回最小二乗法第４回重回帰分析の基礎第５回重回帰分析の応用・演習第６回単純ベイズ法第７回識別関数法第８回パーセプトロン第９回ニューラルネットワーク第１０回サポートベクトルマシンの基礎第１１回サポートベクトルマシンの応用・演習第１２回ロジスティック回帰第１３回主成分分析第１４回クラスタリング第１５回総合討論
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	平常評価（授業の理解度の評価）:30％期末評価（総合討論による理解度の評価）:70％上記を合算して成績評価を行います。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習復習は上記の授業内容予定に従って行うこと。講義ノートをもとに復習すること。また，パソコンによる演習を行い，理解を深めること。
教材・教科書／The teaching materials, textbook	scikit-learnのユーザガイド，および， Pattern Recognition and Machine Learning C. M. Bishop Springer
参考文献／bibliography	パターン識別 R. O. Duda, P. E. Hart, D. G. Stork John Wiley & Sons
留意点・予備知識／Point to keep in mind, back ground	統計学の基礎および計測工学の知識が必要です。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワーの時間帯で受け付けます。オフィスアワー：木曜日 17:00～18:00 理工学部1号館3階316室
Eメールアドレス・HPアドレス／E-mail address, HP address	mnakam@hirosaki-u.ac.jp
学問分野1（主学問分野）／Discipline 1	J60:情報科学、情報工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J62:応用情報学およびその関連分野
学問分野3（副学問分野）／Discipline 3	K63:環境解析評価およびその関連分野
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	講義形式とPythonによる演習（メディア授業に移行した場合は、Teamsで実施します。）
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	有／Yes
その他／Others	特にありません。

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information