Syllabus data
|
Teacher name ： TACHIBANA Kanta
|
開講年度
2025Year
開講学期
First Semester
科目名
Pattern Recognition
授業種別
Lecture
科目名（英語）
Pattern Recognition
授業情報(授業コード・クラス・授業形態)
A1600005 Pattern Recognition
担当教員
TACHIBANA Kanta
単位数
2.0Credits
曜日時限
Thu.3Period
キャンパス
Shinjuku Campus
教室
A-1611 Izumi15
学位授与の方針
1 基礎知識の修得 10 ％
2 専門分野の知識・専門技術の修得 80 ％ 3 汎用的問題解決力の修得 10 ％ 4 道徳的態度と社会性の修得 0 ％ 具体的な到達目標
特徴空間とその領域分けの概念を理解している。音や画像の特徴抽出を理解している。線形判別・サポートベクトルマシン・近傍法を理解している。
受講にあたっての前提条件
パターン認識演習も受講すること。
授業の方法とねらい
パターン認識は、コンピュータがデータのパターンを自動的に識別し分類する技術です。本コースでは、パターン認識の基礎的な理論や手法を学び、実際のデータに対する応用例を取り上げます。
「パターン認識」を受けることで、受講生は以下の能力を身につけられます。 ・データ分析の基礎的な知識：機械学習や深層学習、教師あり・教師なし学習など、データ分析に必要な基礎的な知識を習得できます。 ・データ解析の実践力：実際のデータ解析に必要な手法や技術を学び、それらを実践的な演習問題に応用することで、データ解析の実践力を身につけます。 ・パターン認識に関する専門知識：異常検知、自然言語処理、画像認識、時空間データ解析、深層生成モデル、確率的グラフィカルモデルなど、パターン認識に関する専門的な知識を習得できます。 ・データ分析に必要なプログラミングスキル：Pythonを用いたデータ分析や機械学習のプログラミングスキルを身につけます。 AL・ICT活用
Discussion Debate／Group Work／Presentation
第1回
授業形態
対面
事前学習
パターン認識予習復習用のPodcastにアクセスしやすいようYouTube/L4i知能情報研究室にチャンネル登録する。
予習用の音声配信動画をノートを取りながら理解するまで繰り返し視聴しする。 生成AIとWeb検索を活用し基本的な理解を進める。 4時間
授業内容
第1回：パターン認識の基礎概念
パターン認識の定義と目的 特徴量の定義と選択 分類器の種類と性能評価 事後学習・事前学習
（事後学習）パターン認識予習復習用のPodcastにアクセスしやすいようYouTube/L4i知能情報研究室にチャンネル登録したことを確認する。該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第2回
授業形態
対面
授業内容
第2回：教師あり学習
教師あり学習の基本的な手法（k-NN法、SVM、決定木、ランダムフォレスト） 特徴選択、次元削減の手法 モデルの評価とチューニング 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第3回
授業形態
対面
授業内容
第3回：教師なし学習
教師なし学習の基本的な手法（クラスタリング、主成分分析、非負値行列因子分解） クラスタリングの評価とチューニング 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第4回
授業形態
対面
授業内容
第4回：深層学習と畳み込みニューラルネットワーク
深層学習の基礎概念 畳み込みニューラルネットワークの構造と学習 CNNを用いた画像認識の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第5回
授業形態
対面
授業内容
第5回：時間系列データの分析
時間系列データの分析手法（ARIMA、LSTMなど） 時間系列データにおけるパターン認識の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第6回
授業形態
対面
授業内容
第6回：確率的グラフィカルモデルとベイジアンネットワーク
確率的グラフィカルモデルの基礎概念 ベイジアンネットワークの構造と学習 ベイジアンネットワークを用いたデータ解析の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第7回
授業形態
対面
授業内容
第7回：多変量解析と因子分析の復習〜より高い視座から〜
多変量解析の基礎概念 因子分析の手法と応用 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第8回
授業形態
対面
授業内容
第8回：時空間データ解析
時空間データの分析手法（空間統計、時空間統計など） 時空間データにおけるパターン認識の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第9回
授業形態
対面
授業内容
第9回：深層生成モデル
深層生成モデルの基礎概念 GAN、VAEなどの深層生成モデルの学習と生成 深層生成モデルを用いた画像生成の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第10回
授業形態
対面
授業内容
第10回：自然言語処理
自然言語処理の基礎概念 単語埋め込み、テキスト分類などの手法 自然言語処理の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第11回
授業形態
対面
授業内容
第11回：異常検知
異常検知の基礎概念 異常検知の手法（PCA、SVM、深層学習など） 異常検知の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第12回
授業形態
対面
授業内容
第12回：シーケンスデータ解析
シーケンスデータの分析手法（隠れマルコフモデル、CRF、RNNなど） シーケンスデータにおけるパターン認識の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第13回
授業形態
対面
授業内容
第13回：多様体学習
多様体学習の基礎概念 多様体学習の手法（LLE、Isomap、t-SNEなど） 多様体学習の応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第14回
授業形態
対面
授業内容
第14回：テンソル補間
テンソルの基礎概念 テンソル補間の手法と応用例 事後学習・事前学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
（事前学習）予習用の動画をノートを取りながら理解するまで繰り返し視聴する。 4時間
第15回
授業形態
対面
授業内容
第15回：応用例の紹介
パターン認識を用いた実際の応用例の紹介 最新の研究動向についての講義 事後学習
（事後学習）該当の音声配信動画や関連動画をノートに追記したり書き直したりしながら完全に理解するまで繰り返し視聴する。シンボルグラウンディング学習した内容をノートに書き留める。
5時間
成績評価の方法
授業中のリアクションとプレゼンテーション、試験により評価する。
試験問題は以下を予定しています。 問1：パターン認識に関して，あなたの脳でシンボルグラウンディング学習した内容を10件以上，それぞれ5W1Hを明確(※)に具体的に述べてください．※ただし、あなたや周りの人のプライバシーに支障ない範囲で明確にしてください． 問2：問1の内容を踏まえて，あなたが最もワクワクする問いを考え，数式やPythonプログラミングなど駆使して答えてください．あなたのワクワクが第三者になるべく伝わるように． 受講生へのフィードバック方法
対面とオンラインで。
教科書
podcast【パターン認識ラジオ】
参考書
C.M.ビショップ、パターン認識と機械学習（上）（下）ベイズ理論による統計的予測、シュプリンガー・ジャパン
大村平、改訂版多変量解析のはなし、日科技連 竹内一郎、烏山昌幸、サポートベクトルマシン（機械学習プロフェッショナルシリーズ）、講談社 阿部重夫、パターン認識のためのサポートベクトルマシン入門、森北出版 瀧雅人、これならわかる深層学習入門（機械学習スタートアップシリーズ）、講談社 石井 健一郎、上田 修功、前田 英作、村瀬 洋、わかりやすい パターン認識、オーム社 平井有三、はじめてのパターン認識、森北出版 など良書多数、できるだけ全て読んでください。 podcast【知能情報ラジオ】など オフィスアワー
木曜4限、新宿キャンパス15階 A1576にて
受講生へのメッセージ
パターン認識演習とともに受講し、理解を深めてください。学ぶことは大変で楽しいですよ。
実務家担当科目
Not applicable
実務経験の内容
教職課程認定該当学科
Department of Information Systems and Applied Mathematics／Department of Informatic Sciences
その他の資格・認定プログラムとの関連
関連する科目である
教育課程コード
Ⅲ3b
教育課程コードの見方【例】 Ⅰ2a（Ⅰ…Ⅰ群、2…2年配当、a…必修） ※ a : 必修 b : 選択必修 c : 選択 ※複数コードが表示されている場合には入学年度・所属学科の学生便覧を参照のこと
|
