![]() 教員名 : 小橋 昌司
|
授業科目名
数値情報工学セミナー
(英語名)
Advanced Seminar on Numerical Information Engineering
科目区分
専門教育科目
工学研究科
対象学生
工学研究科
学年
1年
ナンバリングコード
HETDA7MCA3
単位数
2.00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
演習 (Seminar)
開講時期
2025年度後期
(Fall semester)
担当教員
小橋 昌司、礒川 悌次郎、新居 学、森本 佳太、和田 孝之
所属
工学研究科
授業での使用言語
その他言語
受講生の希望に合わせて,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3時限目 小橋 6313号室
連絡先
unipaのQ&Aで全担当教員に連絡してください
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
顕著に発展してきた電子情報工学の成果として得られる数値データは、これも電子情報工学の発展成果である計算機により数値処理が行われる。情報システムのハードウェアに不可欠な位相同期系、大容量の高精細度3次元画像解析理論、画像データ伝送方式の最適化、並列計算機による差分方程式の解法およびニューラルシステムにより知能を数値的に処理する情報システムの技術、すなわち知能数値情報工学、並列数値計算工学および離散情報工学に関する技術を知るための演習を行う。 達成目標 画像データ処理や数値解析を行うためのモデル作成、高度かつ専門的なアルゴリズムの開発ならびに出力数値データを処理するプログラムを実装する。 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
近年、 顕著に発展してきた電子情報工学の成果として得られる数値データは、 これも電子情報工学の発展成果である計算機により数値的処理が行われる。 本セミナーでは、 数値計算に基づくシミュレーション、 並列計算機による差分方程式の解法およびニューラルネットワークシステムにより知能を数値的に処理する情報システム実装に関する演習を行う。 授業計画 以下のオムニバス方式で演習を行う. 小橋:数値計算工学に関する演習 1. 数値計算工学の概説 2. 偏微分方程式偏微分方程式から差分方程式への変換 3. 数値計算工学の最新研究に関するプレゼンテーション 担当:和田 分野:確率的計算工学 4. 差分方程式による数値的解法 5. 数値的解法の各種スキームのレビュー 6. 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 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と動的再構成機構 9. 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 10. 機械学習と学習機構 11. 学習機構を伴うニューラルネットワークと知的情報処理機構の概説 12. 知能数値情報工学的利用に関するプレゼンテーション 担当:森本 分野:最適化工学 13. 最適化問題 14. トポロジー最適化の実装方法 15. 構造最適設計の工学的利用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AI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等教材の部分の予習: 各授業に先立ち,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.5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,5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5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5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,意欲的な学びを心が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。
|