理工学研究科Graduate School of Science and Engineering
HUI500X3（人間情報学 / Human informatics 500）感性情報処理システム特論１Kansei Information Processing Systems(Ⅰ)
山岸 昌夫Masao YAMAGISHI
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 | 2023 |
| 授業コードClass code | YB018 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 木2/Thu.2 |
| 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)
To extract useful information from various observations, appropriate processing of the observed signals is necessary. The purpose of this lecture is to deepen understanding of both theory and implementation of processing applied to observed signals.
【Goal】
Upon completion of this lecture, students will be able to (i) explain appropriately various methods of regression analysis, dimensionality reduction techniques, and cluster analysis, (ii) write down their program codes without relying on libraries.
【Learning Activities Outside of Classroom】
The standard time to spend preparing and reviewing this lesson is 4 hours. In particular, students are encouraged to spend time on assignments and reviews to improve their knowledge in the class.
【Grading Criteria /Policy】
Students are evaluated based on the semester final assignment (60%), the homework assignments (30%), and attitude (10%).
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
様々な観測から有益な情報を抽出するためには、観測信号に対する適切な処理が必要となる。この講義では、観測された信号に施す処理について、理論と実装の両面を学び理解を深めることを目的とする。
到達目標Goal
(i)回帰分析、次元削減手法、クラスター分析の様々な手法について、適切に説明をすることができる。(ii)それらのプログラムコードをライブラリに頼ることなく書き下すことができる。
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 / Japanese
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. ）
スライドを活用した対面形式での講義を主として、講義内容に関連した演習課題(プログラミング課題も含む)を通じて理解を深める。
課題等に対するフィードバックは学習支援システムや授業で行う。
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。
第1回[対面/face to face]：情報のデジタル化
標本化定理、フーリエ級数、フーリエ変換
第2回[対面/face to face]：回帰分析（１）
最小二乗法、Ridge回帰
第3回[対面/face to face]：回帰分析（２）
LASSO回帰
第4回[対面/face to face]：回帰分析（３）
回帰分析手法の実装
第5回[対面/face to face]：次元削減（１）
固有値問題、主成分分析
第6回[対面/face to face]：次元削減（２）
カーネル主成分分析
第7回[対面/face to face]：次元削減（３）
主成分分析とカーネル主成分分析の実装
第8回[対面/face to face]：次元削減（４）
局所線形埋込
第9回[対面/face to face]：次元削減（５）
局所線形埋込の実装
第10回[対面/face to face]：ロバスト主成分分析（１）
主成分分析のノイズに対する脆弱性，ロバスト主成分分析
第11回[対面/face to face]：ロバスト主成分分析（２）
ロバスト主成分分析の実装
第12回[対面/face to face]：クラスター分析（１）
k-means、スペクトラルクラスタリングの準備
第13回[対面/face to face]：クラスター分析（２）
スペクトラルクラスタリング
第14回[対面/face to face]：クラスター分析（３）
スペクトラルクラスタリングの実装
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。】
特に、演習課題と復習に時間をかけ、授業で学んだ知識の定着をはかること。
テキスト（教科書）Textbooks
プリントを配布する。
参考書References
Aurélien Géron著，下田 倫大 監修, 長尾 高弘 翻訳，scikit-learn、Keras、TensorFlowによる実践機械学習．オライリージャパン，第2版，2020.
成績評価の方法と基準Grading criteria
期末レポート（60%）、レポート（30%）、授業姿勢（10%）を総合的に判断して評価する。
学生の意見等からの気づきChanges following student comments
本年度新規科目につきアンケートを実施していません