シラバス情報

教員名 ： 小橋 昌司
授業科目名
数値情報工学講究
(英語名)
Advanced Researches on NumericalInformation Engineering
科目区分
ー
工学研究科
対象学生
工学研究科
学年
1年
ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ
HETDA7MCA1
単位数
2単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の？から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2024年度前期
(Spring semester)
担当教員
小橋 昌司、礒川 悌次郎、新居 学
所属
工学研究科
授業での使用言語
その他言語
受講生のニーズに合わせて，日本語または英語で行います
関連するＳＤＧｓ目標
目標9
ｵﾌｨｽｱﾜｰ・場所
木曜日　３時限目　
（小橋 6313号室、礒川 6204号室、新居 6206号室）
連絡先
kobashi@eng.u-hyogo.ac.jp(小橋)
isokawa@eng.u-huogo.ac.jp(礒川)
nii@eng.u-hyogo.ac.jp(新居)

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
ー
研究科DP
1◎／2〇／3〇
全学DP
ー
教職課程の学修目標
ー

講義目的・到達目標
講義目的
本講義では，数値情報工学講究の最先端領域について深く理解し，その知識を実践的な技術開発に応用する能力を養います．特に，並列計算機を用いた差分方程式の解法，動的再構成機構，ニューラルネットワークシステムを用いた知能数値化処理など，電子情報工学の発展に伴って重要性が増している領域に焦点を当てます．受講学生は，これらの先進的な数値処理技術に関する理論的背景と実践的応用方法を学び，電子情報工学の基礎知識と高度な専門技術力の両方を兼ね備えた研究者や技術者としての基盤を築くことを目指します．

到達目標
１．受講学生は，画像データ処理や数値解析に必要なモデル作成の理論と方法論を説明し，これを実際のデータに適用する
２．高度かつ専門的なアルゴリズムの開発技術に関する知識を述べ，これを新しい問題解決へ応用する
３．出力数値データを分析するためのプログラミングを行い，その成果をレポート及びプレゼンテーションを通じて明確に説明し，伝達する．


授業のサブタイトル・キーワード
サブタイトル：　先端数値解析技術
キーワード：並列計算技術，数値解析とモデリング，ニューラルネットワークと機械学習，データ処理とアルゴリズム開発，プログラミングと実装スキル
講義内容・授業計画
【講義内容】
本講義では，近年 顕著に発展して来た電子情報工学技術で膨大に得られる数値データの数敵的処理に焦点を当てます．並列計算機を用いた差分方程式の解法，動的再構成機構，およびニューラルネットワークシステムを用いた知能数値化処理について詳しく講義します．これらのトピックについて，最新の研究内容を含めて解説します．また，各内容について，受講者の理解を深めるため，各受講生がプレゼンテーションを行います．講義は．オムニバス方式で進めます．

【授業計画】
担当：小橋　分野：数値計算工学
1　双曲線，放物型偏微分方程式
2　偏微分方程式から差分方程式への変換
3　差分方程式による数値的解法
4　数値的解法の各種スキームのレビュー
5　数値計算の工学的利用に関するプレゼンテーション

担当：礒川　分野：離散情報工学
6　離散構造
7　離散構造を持つ並列計算機
8　並列計算機による数値演算処理
9　並列計算機による動的再構成機構
10　並列計算機の数値演算処理・動的再構成機構の工学的利用に関するプレゼンテーション

担当：新居　分野：知能数値情報工学
11　機械学習
12　学習機構
13　学習機構を伴うニューラルネットワーク
14　知的情報処理機構の概説
15　知能数値情報工学的利用に関するに関するプレゼンテーション

レポート作成やプレゼンテーション資料作成に生成AIの利用について制限を設けませんが，生成Aによって生成された文章そのままの提出は認められません．提出物は必ず自分で文章を書き直す必要があります．生成AIを認められる範囲を超えて使用した場合，単位の認定をしない，または認定を取り消すことがあります．
教科書
各担当教員より適宜指示します．
参考文献

数値計算 (理工系の基礎数学 8) 

出版社 ‏ : ‎ 岩波書店 
ISBN-13 ‏ : ‎ 978-4000079785

Pythonによる数値計算とシミュレーション

出版社 ‏ : ‎ オーム社
ISBN-13 ‏ : ‎ 978-4274221705





事前・事後学習（予習・復習）の内容・時間の目安
【予習】
  1. 授業に使用するテキスト教材の部分の予習：　各授業の先立って，指定されたテキスト教材の関連部分を事前に読むこと．目安として合計２０時間を想定
  2. プレゼンテーションの準備：　授業内でのプレゼンテーションに向けて，準備と練習を行う．３回のプレゼンテーションで，合計１５時間の準備時間を想定
【復習】
  1. レポート作成：　講義に関連する内容で，3回のレポート作成を行う．合計で１５時間の作製時間を目安とする
  2. 講義内容の復習：　授業で学んだ内容の理解を深め，定着させるために，テキスト教材を再度読み直す．合計で１０時間を想定

アクティブ・ラーニングの内容
採用しない
成績評価の基準・方法
【成績評価の基準】
本講義では，画像データ処理や数値解析に必要なモデル作成に知識，高度かつ専門的なアルゴリズムの開発技術、および出力数値データを処理するプログラムの実装技術についての理解度を評価します．レポート及びプレゼンテーションを通じて，これらのスキルと知識を明確に示すことができる学生には，講義目的と到達目標に基づいて，以下の基準に従って成績が付与されます：　S(90点以上）,A(80点以上）、B(70点以上）、C(60点以上）

【成績評価の方法】
定期試験は実施しません．評価は，レポート(30%)とプレゼンテーション(70%)に基づき行います．
レポートは3回課され、各レポートを100点満点で評価します．
プレゼンテーションも3回課され，各プレゼンテーションを100点満点で評価します．
加えて，受講態度(積極的な質問等）を含めて総合的な評価を行います．
課題・試験結果の開示方法
レポートに関して，ユニバーサルパスポートの「クラスプロファイル」機能を通じて講評を提供します．

プレゼンテーションについては，プレゼンテーション内容についてクラス内で議論を行います．
履修上の注意・履修要件
  1. 本講義はオムニバス形式で行われれるため，担当教員が変わることに注意してください
  2. 受講態度は採点において重要な要素ですので、積極的に講義に参加し，意欲的な学びを心掛けることが望まれます．
  3. 予習と復習は講義の理解を深めるうえで欠かせない要素です．各講義の内容に合わせて適切な予習と復習を行い，講義で学んだ知識を定着させる努力をしてください．

実践的教育
該当しない
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。