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	S261000045
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／Graduate School of Science and Technology (Master’s Course)
曜日コマ／Day, Period	火　1
開講区分／Semester offered	前期／first 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／Graduate School of Science and Technology (Master’s Course)

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（Teamsによるメディア授業）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（最終回）総合討論授業の進行状況等により，シラバスと実際の内容とが異なる場合には，その都度説明します．
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。なお、授業内での生成AIの利用については、情報収集や問題解決における「補助的利用のみ可」とします。レポートの作成等では、その使用を認めません。
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	MS-5-5109-J60
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。
対応する汎用的スキル１／Transferable Skill1	有
対応する汎用的スキル２／Transferable Skill2	有
対応する汎用的スキル３／Transferable Skill3	無
対応する汎用的スキル４／Transferable Skill4	無
対応する汎用的スキル５／Transferable Skill5	有

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	S261000045
ナンバリングコード／Numbering Code
開講所属／Course Offered by	理工学研究科／Graduate School of Science and Technology (Master’s Course)
曜日コマ／Day, Period	火　1
開講区分／Semester offered	前期／first 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（Teamsによるメディア授業）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（最終回）総合討論授業の進行状況等により，シラバスと実際の内容とが異なる場合には，その都度説明します．
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。なお、授業内での生成AIの利用については、情報収集や問題解決における「補助的利用のみ可」とします。レポートの作成等では、その使用を認めません。
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	MS-5-5109-J60
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。
対応する汎用的スキル１／Transferable Skill1	有
対応する汎用的スキル２／Transferable Skill2	有
対応する汎用的スキル３／Transferable Skill3	無
対応する汎用的スキル４／Transferable Skill4	無
対応する汎用的スキル５／Transferable Skill5	有

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information