文理学部シラバスTOP > 文理学部 > 情報科学科(情報システム解析学科) > ソフトウェア科学特論
日本大学ロゴ

ソフトウェア科学特論

このページを印刷する

科目名 ソフトウェア科学特論
教員名 北原鉄朗
単位数    2 学年    4 開講区分 文理学部
科目群 情報科学科
学期 前期 履修区分 選択
授業概要 機械学習の基礎と音楽情報処理への応用を実践的に学ぶ
授業のねらい・到達目標 今日の機械学習の発展には目覚ましいものがあるが、基礎から順に追いかけていけば、必ずしも理解が難しいものではない。本授業では、音楽の分析・生成を題材とし、実際のプログラムを書くことで機械学習の基本的なアルゴリズムを体得し、機械学習の基本的な議論を理解できるようになることを目的とする。

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 教員からの講義、受講生からの報告やプレゼン、プログラミング実習などを織り交ぜながら進行する。
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 基本的なプログラミング経験があることを前提とする。
授業計画
1 授業の到達目標および方法の確認、実習テーマの話し合い
【事前学習】シラバスをあらかじめ読み、授業の到達目標を理解しておくこと
【事後学習】話し合った実習テーマについて自分なりに調べてみること
2 音楽データの処理方法
【事前学習】情報科学科2年次科目「マルチメディア表現」を履修した者は、MIDIについてあらかじめ復習しておくこと。同科目を履修しなかった者は資料を渡すので申し出ること
【事後学習】MIDIデータの読み込みおよび統計情報の算出に関する演習問題に取り組むこと
3 音楽データの処理方法
【事前学習】情報科学科2年次科目「マルチメディア表現」を履修した者は、MIDIについてあらかじめ復習しておくこと。同科目を履修しなかった者は資料を渡すので申し出ること
【事後学習】MIDIデータの読み込みおよび統計情報の算出に関する演習問題に取り組むこと
4 機械学習の演習(1) マルコフモデルを用いた音楽情報処理
【事前学習】マルコフモデルを用いた音楽情報処理に関する課題をあらかじめ済ませ、授業内で成果を報告できるようにしておくこと
【事後学習】授業内で指摘された事柄について検討すること
5 機械学習の基礎(2) 隠れマルコフモデル
【事前学習】隠れマルコフモデルについてあらかじめ自分なりに調べ、発表が課された場合は発表できるようにしておくこと
【事後学習】隠れマルコフモデルについて理解が足りなかった箇所をよく復習しておくこと
6 機械学習の演習(2) 隠れマルコフモデルを用いた音楽情報処理(基礎編)
【事前学習】隠れマルコフモデルを用いた音楽情報処理に関する課題をあらかじめ済ませ、授業内で成果を報告できるようにしておくこと
【事後学習】授業内で指摘された事柄について検討すること
7 機械学習の演習(3) 隠れマルコフモデルを用いた音楽情報処理(実践編)
【事前学習】隠れマルコフモデルを用いた音楽情報処理に関する課題(実践編)をあらかじめ済ませ、授業内で成果を報告できるようにしておくこと
【事後学習】授業内で指摘された事柄について検討すること
8 機械学習の演習(4) 隠れマルコフモデルを用いた音楽情報処理(発展編)
【事前学習】隠れマルコフモデルを用いた音楽情報処理に関する課題(発展編)をあらかじめ済ませ、授業内で成果を報告できるようにしておくこと
【事後学習】授業内で指摘された事柄について検討すること
9 機械学習の基礎(3) ニューラルネットワーク(単純パーセプトロン)
【事前学習】ニューラルネットワーク(単純パーセプトロン)についてあらかじめ自分なりに調べ、発表が課された場合は発表できるようにしておくこと
【事後学習】ニューラルネットワーク(単純パーセプトロン)について理解が足りなかった箇所をよく復習しておくこと
10 機械学習の基礎(4) ニューラルネットワーク(多層パーセプトロン)
【事前学習】ニューラルネットワーク(多層パーセプトロン)についてあらかじめ自分なりに調べ、発表が課された場合は発表できるようにしておくこと
【事後学習】ニューラルネットワーク(多層パーセプトロン)について理解が足りなかった箇所をよく復習しておくこと
11 機械学習の演習(5) ニューラルネットワークを用いた音楽情報処理(基礎編)
【事前学習】ニューラルネットワークを用いた音楽情報処理に関する課題(基礎編)をあらかじめ済ませ、授業内で成果を報告できるようにしておくこと
【事後学習】授業内で指摘された事柄について検討すること
12 機械学習の演習(6) ニューラルネットワークを用いた音楽情報処理(実践編)
【事前学習】ニューラルネットワークを用いた音楽情報処理に関する課題(実践編)をあらかじめ済ませ、授業内で成果を報告できるようにしておくこと
【事後学習】授業内で指摘された事柄について検討すること
13 機械学習の演習(7) ニューラルネットワークを用いた音楽情報処理(発展編)
【事前学習】ニューラルネットワークを用いた音楽情報処理に関する課題(発展編)をあらかじめ済ませ、授業内で成果を報告できるようにしておくこと
【事後学習】授業内で指摘された事柄について検討すること
14 総合演習(1) 第8回または第13回の演習内容のどちらかについてさらに発展させる
【事前学習】第8回または第13回の演習内容をどう発展させるかをあらかじめ考えておくこと
【事後学習】授業内での議論に基づいて、実際に発展のための実装などを行うこと
15 総合演習(2) 成果の発表と議論
【事前学習】前回の議論に基づいて実装・実験などを行い、発表する準備を行うこと
【事後学習】発表で得られた議論を踏まえ、成果をレポートにまとめ、所定の方法で提出すること
16 【事前学習】

【事後学習】
17 【事前学習】

【事後学習】
18 【事前学習】

【事後学習】
19 【事前学習】

【事後学習】
20 【事前学習】

【事後学習】
21 【事前学習】

【事後学習】
22 【事前学習】

【事後学習】
23 【事前学習】

【事後学習】
24 【事前学習】

【事後学習】
25 【事前学習】

【事後学習】
26 【事前学習】

【事後学習】
27 【事前学習】

【事後学習】
28 【事前学習】

【事後学習】
29 【事前学習】

【事後学習】
30 【事前学習】

【事後学習】
その他
教科書 なし
参考書 なし
成績評価の方法及び基準 授業参画度(100%)
授業参画度は、授業内での演習の取り組みの状況、授業内での発表の完成度、授業内での発表のための準備状況、最終回の授業で成果発表する課題の完成度などを総合的に勘案して評価する。
オフィスアワー 研究室にて対応。詳細は初回授業時に告知する。

このページのトップ