三重大学ウェブシラバス

シラバス表示

　シラバスの詳細な内容を表示します。

→ 閉じる（シラバスの一覧にもどる）

科目の基本情報

開講年度	2022 年度
開講区分	工学研究科(博士前期課程)情報工学専攻
領域	主領域 : C

受講対象学生	大学院(修士課程・博士前期課程・専門職学位課程) : 1年次, 2年次
選択・必修
授業科目名	パターン認識演習 I
	ぱたーんにんしきえんしゅう 1
	Seminar in Pattern Recognition I
単位数	1 単位
ナンバリングコード	EN-INAP-5

開放科目	非開放科目
開講学期	前期
開講時間
授業形態	対面授業 * 状況により変更される可能性があるので定期的に確認して下さい「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業「ハイブリッド授業」・・・「対面授業」と「オンライン授業」を併用した授業「オンデマンド授業」・・・動画コンテンツの配信等によって実施する授業
開講場所	教員が指定した研究室
担当教員	松岡　真如（工学研究科情報工学専攻）
担当教員	MATSUOKA, Masayuki
SDGsの目標
連絡事項	* 状況により変更される可能性があるので定期的に確認して下さい

学修の目的と方法

授業の概要	Course description/outline: Read and discuss the selected book or academic paper in character recognition, image processing and machine learning field. （文字認識，画像処理，機械学習や関連領域の論文・書籍を選定し，輪読及びそれに関する討論を行う．）
学修の目的	Learning objectives: To acquire ability to explain the basic algorithm and apply the algorithm to the real problem by understanding the basic techniques in character recognition, image processing and machine learning field. （文字認識，画像処理，機械学習や関連領域で用いられる手法の概略を理解し，説明，応用できる能力を身につける．）
学修の到達目標	Achievements: Enable to explain the basic algorithm and apply the algorithm to the real problem by understanding the basic techniques in character recognition, image processing and machine learning field. （文字認識，画像処理，機械学習や関連領域で用いられる手法の概略を理解し，説明，応用できる．）
ディプロマ・ポリシー	○ 学科・コース等の教育目標 ○ 全学の教育目標感じる力　感性　共感　主体性考える力　幅広い教養　専門知識・技術　論理的・批判的思考力コミュニケーション力　表現力(発表・討論・対話) 　リーダーシップ・フォロワーシップ　実践外国語力生きる力　問題発見解決力　心身・健康に対する意識　社会人としての態度・倫理観 ○ JABEE 関連項目
成績評価方法と基準	作成資料：30%, 発表と質疑：40%、演習課題：30% Grading policies and criteria: Preparation of presentation: 30%, Presentation and discussion: 40%, assignment: 30%
授業の方法	演習
授業の特徴	PBL 特色ある教育英語を用いた教育
授業改善の工夫
教科書
参考書
オフィスアワー	Office hour: Make an appointment by e-mail
受講要件	None
予め履修が望ましい科目
発展科目
その他	英語対応授業である。

授業計画

MoodleのコースURL

キーワード	統計的パターン認識，ベイズ，機械学習，主成分分析，判別分析，ニューラルネットワーク，サポートベクタアルゴリズム
Key Word(s)	Statistical pattern recognition, Bayes, Machine learning, Principal component analysis, Discriminant analysis, Neural network, Support vector algorithm
学修内容	I, Statistics II, Bayes III, Machine Learning IV, Image processing
事前・事後学修の内容
事前・事後学修の内容	事前学修の時間:120分/回　　　事後学修の時間:120分/回