科目名
(英語名) |
__科目名__
(__科目名(英語)__) |
| 担当教員 |
西村 まどか |
| 開講時期 |
__開講時期__ |
| 科目ナンバー |
__科目ナンバー__ |
| 授業コード |
1365 |
| 単位 |
__単位__ |
| 授業概要 |
画像処理やテキストマイニングなどに出てくる疎なデータによる統計手法を扱う |
| 到達目標 |
画像処理の用語を理解しコーディングができるようになる |
| スキルの育成方法 |
コーディングにまつわる理論を学ぶことにより情報収集力、論理的思考力、問題解決力を育成する。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 2クラスサポートベクトルマシン | [事後] 講義のまとめと課題 (2時間) |
| 2 | 多クラスサポートベクトルマシン | [事後] 講義のまとめと課題 (2時間) |
| 3 | 学習法 | [事後] 講義のまとめと課題 (2時間) |
| 4 | カーネル法 | [事後] 講義のまとめと課題 (2時間) |
| 5 | 特徴選択と特徴抽出 | [事後] 講義のまとめと課題 (2時間) |
| 6 | クラスタリング | [事後] 講義のまとめと課題 (2時間) |
| 7 | まとめと解説 | [事後] 講義のまとめと課題 (2時間) |
| 8 | | |
| 9 | | |
| 10 | | |
| 11 | | |
| 12 | | |
| 13 | | |
| 14 | | |
受講者の事前知識と進度により適宜変更する。
|
| 成績評価基準 |
出席態度 (20%), レポート提出 (40%), ノート提出に関する口頭試問 (20%) |
| 前提科目 |
データ分析手法, データサイエンス入門, 応用数学 |
| 後継科目 |
|
| 教科書 |
ターン認識のためのサポートベクトルマシン入門, 阿部, 森北出版, https://www.morikita.co.jp/books/mid/084921\nはじめてのパターン認識, 平井, 森北出版, https://www.morikita.co.jp/books/mid/084971 |
| 参考書 |
スパース回帰推定とパターン認識, 梅津 他, 講談社, https://www.kspub.co.jp/book/detail/5186206.html\nスパース推定 100 問 with Python, 鈴木, 共立出版, https://www.kyoritsu-pub.co.jp/bookdetail/9784320125094 |
| その他・注意事項 |
自力で Anaconda 環境の設定ができることが前提となる。レポート提出と最終回でのノート提出は必須である。
|