検索したい科目／教員名／キーワードを入力し「検索開始｣ボタンをクリックしてください。
※教員名では姓と名の間に１文字スペースを入れずに、検索してください。
情報科学講究２
| 科目名 | 情報科学講究２ | ||||
|---|---|---|---|---|---|
| 教員名 | 宮田章裕 | ||||
| 単位数 | 2 | 学年 | 3 | 開講区分 | 文理学部 |
| 科目群 | 情報科学科 | ||||
| 学期 | 後期 | 履修区分 | 必修 | ||
| 授業概要 | インタラクション・ヒューマンインタフェースの応用知識を学修する。 情報通信企業研究開発部門・商用サービス運用部門で実務経験がある教員が，その経験を活かして，実用的なインタラクション・ヒューマンインタフェース技術に関する講義を行う。 |
|---|---|
| 授業のねらい・到達目標 | 卒業研究に向けて，インタラクション・ヒューマンインタフェースの応用知識に基づき，システム開発・プレゼンテーションができるようになる。 この科目は文理学部(学士(理学))のディプロマポリシーDP6及びカリキュラムポリシーCP9に対応しています。 |
| 授業の方法 | 文献輪講（兼プレゼンテーション演習）では，指定文献または自身で探した文献を事前に読み，内容を要約して発表する。プログラミング演習では，IoTデバイスを用いたインタラクティブシステムを開発する。数名のグループを組んで授業を進めるが，全員に発表・演習を行うことが求められる。 本授業の事前・事後学習は，各２時間の学習を目安とする。 |
| 履修条件 | 学科内規による。 |
| 授業計画 | |
|---|---|
| 1 |
インタラクション応用(1)：人にやさしいシステムの基礎研究 【事前学習】シラバスを事前に確認する 【事後学習】今回講義資料・演習を通じて，人にやさしいシステムの基礎研究について理解を深める |
| 2 |
インタラクション応用(2)：人にやさしいシステムの応用研究 【事前学習】前回講義資料に基づき，人にやさしいシステムの基礎研究について確認しておく 【事後学習】今回講義資料・演習を通じて，人にやさしいシステムの応用研究について理解を深める |
| 3 |
インタラクション応用(3)：人にやさしいシステムのサービス事例 【事前学習】前回講義資料に基づき，人にやさしいシステムの応用研究について確認しておく 【事後学習】今回講義資料・演習を通じて，人にやさしいシステムのサービス事例について理解を深める |
| 4 |
IoT応用(1)：インタラクティブな光出力 【事前学習】前回講義資料に基づき，人にやさしいシステムのサービス事例について確認しておく 【事後学習】今回講義資料・演習を通じて，インタラクティブな光出力について理解を深める |
| 5 |
IoT応用(2)：インタラクティブな音出力 【事前学習】前回講義資料に基づき，インタラクティブな光出力について確認しておく 【事後学習】今回講義資料・演習を通じて，インタラクティブな音出力について理解を深める |
| 6 |
IoT応用(3)：照度センサの高度な利用 【事前学習】前回講義資料に基づき，インタラクティブな光出力について確認しておく 【事後学習】今回講義資料・演習を通じて，インタラクティブな音出力について理解を深める |
| 7 |
IoT応用(4)：加速度センサの高度な利用 【事前学習】前回講義資料に基づき，インタラクティブな音出力について確認しておく 【事後学習】今回講義資料・演習を通じて，加速度センサの高度な利用について理解を深める |
| 8 |
IoT応用(5)：距離センサの高度な利用 【事前学習】前回講義資料に基づき，加速度センサの高度な利用について確認しておく 【事後学習】今回講義資料・演習を通じて，距離センサの高度な利用について理解を深める |
| 9 |
IoT応用(6)：UDPによるセンサネットワーク 【事前学習】前回講義資料に基づき，距離センサの高度な利用について確認しておく 【事後学習】今回講義資料・演習を通じて，UDPによるセンサネットワークについて理解を深める |
| 10 |
IoT応用(7)：WebSocketによるセンサネットワーク 【事前学習】前回講義資料に基づき，UDPによるセンサネットワークについて確認しておく 【事後学習】今回講義資料・演習を通じて，WebSocketによるセンサネットワークについて理解を深める |
| 11 |
Deep Learning応用(1)：Denoising Autoencoderの基礎 【事前学習】前回講義資料に基づき，WebSocketによるセンサネットワークについて確認しておく 【事後学習】今回講義資料・演習を通じて，Denoising Autoencoderの基礎について理解を深める |
| 12 |
Deep Learning応用(2)：Denoising Autoencoderの利用 【事前学習】前回講義資料に基づき，Denoising Autoencoderの基礎について確認しておく 【事後学習】今回講義資料・演習を通じて，Denoising Autoencoderの利用について理解を深める |
| 13 |
Deep Learning応用(3)：Denoising Autoencoderを用いた簡易モデルの構築 【事前学習】前回講義資料に基づき，Denoising Autoencoderの利用について確認しておく 【事後学習】今回講義資料・演習を通じて，Denoising Autoencoderを用いた簡易モデルの構築について理解を深める |
| 14 |
Deep Learning応用(4)：Denoising Autoencoderを用いた複雑モデルの構築 【事前学習】前回講義資料に基づき，Denoising Autoencoderを用いた簡易モデルの構築について確認しておく 【事後学習】今回講義資料・演習を通じて，Denoising Autoencoderを用いた複雑モデルの構築について理解を深める |
| 15 |
Deep Learning応用(5)：Denoising Autoencoderを用いた推定実験 【事前学習】前回講義資料に基づき，Denoising Autoencoderを用いた複雑モデルの構築について確認しておく 【事後学習】今回講義資料・演習を通じて，Denoising Autoencoderを用いた推定実験について理解を深める |
| その他 | |
|---|---|
| 教科書 | 授業内で指示する。 |
| 参考書 | 使用しない |
| 成績評価の方法及び基準 | 授業参画度(100%) 授業参画度は，毎回の実習・演習の成果により評価する。 |
| オフィスアワー | 研究室在室時はいつでも対応可能（在室予定曜日・時限は研究室前に掲示） |