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) > 情報科学講究2
日本大学ロゴ

情報科学講究2

このページを印刷する

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(情報システム解析学科)
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
4IoT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
5IoT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
6IoT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
7IoT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
8IoT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
9IoT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
10IoT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
11Deep 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
12Deep 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
13Deep 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
14Deep 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
15Deep 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。
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)

このページのトップ