理工学研究科Graduate School of Science and Engineering
COT500X3（計算基盤 / Computing technologies 500）分散処理システム特論２Distributed System (Ⅱ)
藤井 章博Akihiro FUJII
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学研究科Graduate School of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | YB009 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 月1/Mon.1 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| カテゴリーCategory | 応用情報工学専攻 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Advanced Issue in Distributed System, such as Web System Design Paradigm, Semantic Web and its Applications for Social Problems, Data Analysis based on Machine Learning Technique.
授業で使用する言語Default language used in class
日本語・英語併用 / Japanese & English
授業の概要と目的（何を学ぶか）Outline and objectives
Web技術に基づいた分散システムの技術体系を情報の収集、蓄積、分析、公開の観点からとらえる。単元によっては、技術の歴史的変遷、数理的な基礎を解説する。学部での「分散システム」を発展させる内容としてPython言語を利用した情報収集、分析、システム設計開発を行う。
到達目標Goal
「分散システム特論」のIとIIを通じて、情報の収集、データ分析、自然言語処理、機械学習の方法、ニューラルネットワークの利用、知識の表現、知識の活用をサブテーマとして取り上げる。これらの項目に関して一定の知識と実践的なスキルを身に着ける。それらを利用してWebシステムの分析や構築に発展させるための実践的なノウハウを身に着ける。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち、「DP1」「DP2」「DP3」に関連
授業で使用する言語Default language used in class
日本語・英語併用 / Japanese & English
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
演習を通じて理解を深める。配布するコードの実装と動作確認を各自行い、演習を通じて理解を深める。感染対策のために、オンラインとオンデマンド講義を併用する。課題等に対するフィードバックは学習支援システムまたは授業などで行う
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
1[対面/face to face]：分散システムからの情報の収集１
HTTPプロトコルの動産
2[対面/face to face]：情報の収集２
パーサの使い方、キーバリュー型データベース
3[対面/face to face]：データの分析１
統計的分析ベイズ推定法
4[対面/face to face]：データの分析２
サポートベクターマシンの利用
5[対面/face to face]：自然言語処理1
英文論文および手紙
6[対面/face to face]：自然言語処理2
和文コーパス
7[対面/face to face]：機械学習１
Python科学技術計算ライブラリの活用
8[対面/face to face]：機械学習２
Gensimライブラリの活用、
9[対面/face to face]：ニューラルネットワーク１
NNの自作、原理の理解
10[対面/face to face]：ニューラルネットワーク２
Chainerライブラリの活用
11[対面/face to face]：知識の表現１
三項組データと活用
12[対面/face to face]：知識の表現２
RDFとオントロジー
13[対面/face to face]：知識の活用１
SPARQLによる検索
14[対面/face to face]：知識の活用２
LODとDBPediaの利用
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
【本授業の準備・復習時間は、各４時間を標準とします。】配布するコードの実装と動作確認は各自のPC上で行うこと。
テキスト（教科書）Textbooks
プリント、演習用プログラムを配布する。
参考書References
クジラ飛行机「Pythonによるスクレイピング＆機械学習」ソシム
Toby Segran「集合知プログラミング」オライリー
Toby Segran「セマンティックWebプログラミング」オライリー
黒橋禎夫「自然言語処理」NHK出版
成績評価の方法と基準Grading criteria
演習課題の実施成果の提出を随時求める。
学生の意見等からの気づきChanges following student comments
少人数であるので、大学院での研究活動にフィードバックする。