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

令和元年度以前入学者 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
授業の形態 オンライン授業（Zoomによるライブ配信）を12回、課題研究を3回の予定
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 機械学習の基本的なアルゴリズムを理解できるようになる。
音楽の分析・生成を題材に、機械学習プログラムを書けるようになる。

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に対応している。
授業の方法 ・Zoomを使った学習内容の解説を中心に講義を進める。
・授業内で、演習（コンピュータ実習など）を適宜挿入する。
・コンピュータ実習は、受講者が自ら用意したPC上で行うものとする。
・双方向性を確保するため、受講者に演習内容や学習内容を発表・解説してもらう場合がある。
・課題研究の回では、レポート課題を課す。提出されたレポートの完成度が低いものには再提出を課す場合がある。
・課題研究とは別に、適宜ミニ課題を出す。
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(オンライン授業)
【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 （2時間）
【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時間）
2 音楽データの処理方法 MIDIファイルを読み込むプログラムの作成(オンライン授業)
【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 （2時間）
【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 （2時間）
3 機械学習の基礎(1) マルコフモデル(オンライン授業)
【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 （2時間）
【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 （2時間）
4 機械学習の基礎(2) 隠れマルコフモデル(オンライン授業)
【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 （2時間）
【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 （2時間）
5 機械学習の演習(1) 隠れマルコフモデルを用いた音楽情報処理（基礎編）(オンライン授業)
【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（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 （2時間）
【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 （2時間）
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（実践編）(オンライン授業)
【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 （2時間）
【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 （2時間）
7 機械学習の課題研究(1) 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研究
【事前学習】第2回～第6回の授業内容をあらかじめ復習し、理解を深めておくこと （2時間）
【事後学習】課された課題に取り組み、レポートを執筆して期日までに提出すること （2時間）
8 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）(オンライン授業)
【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 （2時間）
【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 （2時間）
9 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）(オンライン授業)
【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 （2時間）
【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 （2時間）
10 機械学習の演習(3) ニューラルネットワークを用いた音楽情報処理（基礎編）(オンライン授業)
【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 （2時間）
【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 （2時間）
11 機械学習の演習(4) ニューラルネットワークを用いた音楽情報処理（実践編）(オンライン授業)
【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 （2時間）
【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 （2時間）
12 機械学習の課題研究(2) 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研究
【事前学習】第8回～第11回の授業内容をあらかじめ復習し、理解を深めておくこと （2時間）
【事後学習】課された課題に取り組み、レポートを執筆して期日までに提出すること （2時間）
13 総合研究(1) 第7回または第12回の課題研究のどちらかを発展させる(オンライン授業)
【事前学習】第7回または第12回の課題研究をどう発展させるかをあらかじめ考えておくこと （2時間）
【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 （2時間）
14 総合研究(2) 発展的課題研究
【事前学習】第13回の議論に基づいて、発展的な課題研究に取り組むこと （2時間）
【事後学習】取り組んだ課題研究をレポートにまとめること （2時間）
15 総合研究(3) 成果の発表と議論(オンライン授業)
【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 （2時間）
【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 （2時間）
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 メールなどで随時質問を受け付ける

↑このページのトップ