理工学部Faculty of Science and Engineering
HUI200XE(人間情報学 / Human informatics 200)信号理論Signal theory
周 金佳Jinjia ZHOU
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
添付ファイル名Attached documents | |
年度Year | 2023 |
授業コードClass code | H6039 |
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 | 水2/Wed.2 |
科目種別Class Type | |
キャンパスCampus | 小金井 |
教室名称Classroom name | 小東館-E209 |
配当年次Grade | 2年 |
単位数Credit(s) | |
備考(履修条件等)Notes | |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
カテゴリー<理工学部>Category |
応用情報工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course introduces basic signal processing techniques, and advanced data analysis and understanding techniques.
The goal of this course is to understand the background foundation for digital signal/data processing.
Before/after each class, students will be expected to spend four hours understanding the course content.
The final grade will be calculated according to the reports.
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
この講義では、信号・データ解析の基礎を学ぶ。前処理、可視化を行い、基本的な統計解析手法を適用するまでの、各段階において必要となる知識、理論について解説する。
到達目標Goal
信号の表現、回帰分析、分類方法、ベイズ推論、ニューラルネットワークなど信号分析・処理の方法を習得する。
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」と「DP2」と「DP4」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. )
PYTHON言語により実際のデータを取り扱いながら信号処理法を習得する。
本講義の具体的なテーマを示す。
1. 信号の表現と扱い
2. 可視化
3. 予測手法
4. 分類手法
5. ニューラルネットワークの基礎
課題等の提出・フィードバックは「学習支援システム」を通じて行う予定です。
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]:導入
様々な信号処理理論を応用例とともに紹介
第2回[対面/face to face]:信号・データの可視化1
ヒストグラム・箱ひげ図・平均値と分散
第3回[対面/face to face]:信号・データの可視化2
散布図と相関関係、分析で注意すべき点
第4回[対面/face to face]:信号・データの可視化のまとめと演習
信号・データの可視化に関する演習、Google Colabの使い方
第5回[対面/face to face]:予測手法1
線形回帰分析
第6回[対面/face to face]:予測手法2
一般化線形モデル
第7回[対面/face to face]:予測手法のまとめと演習
回帰分析の応用例に関する演習
第8回[対面/face to face]:分類手法1
ロジスティック回帰
第9回[対面/face to face]:分類手法2
評価指標
第10回[対面/face to face]:分類問題のまとめと演習
分類問題の応用例に関する演習
第11回[対面/face to face]:応用例 ポケモン進化後のCP予測
応用例に関する演習
第12回[対面/face to face]:ニューラルネットワーク1
ニューラルネットワークの基礎的概念、pythonによるニューラルネットワークの実装
第13回[対面/face to face]:ニューラルネットワーク2
ニューラルネットワークの課題と拡張
第14回[対面/face to face]:ニューラルネットワークの応用例
ニューラルネットワークの応用例に関する演習
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・復習等の授業時間外学習は、4時間を標準とする】1年生配当科目”確率統計”で学んだ内容を基礎に講義を行う。確率統計に関する基礎知識を復習しておくこと。また、適宜演習問題を配布するので講義の理解を確かめるために事業外で学習すること。
テキスト(教科書)Textbooks
P. Z. Peebles, “Probability, Random Variables, and Random Signal Principles,” 4th Edition, McGraw-Hill, 2001.
竹村彰通、姫野哲人、高田聖治、「データサイエンス入門」、学術図書出版社
参考書References
中川 正雄著、「確率過程」 (電気・電子・情報工学系テキストシリーズ)、培風館
成績評価の方法と基準Grading criteria
[評価方法]
毎回提示されるレポート課題80%
平常点20%
授業中に積極的に発言する等を評価する。
[評価基準]6割以上の点数を合格基準とする。
学生の意見等からの気づきChanges following student comments
具体的な例題を増やし理解を助ける。
その他の重要事項Others
オンラインでの開講となった場合、オンライン授業の方法や授業計画の変更、成績評価方法の変更などについては、学習支援システムでその都度提示する。担当教員から学習支援システムを通じた連絡がないか、日ごろからよく確認するようにしてください。