シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
システム設計特論３ | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Advanced System Design III | ||
| 科目番号 /Code |
|||
| 開講年度 /Academic year |
2024年度 | 開講年次 /Year offered |
全学年 |
| 開講学期 /Semester(s) offered |
後学期 | 開講コース・課程 /Faculty offering the course |
博士前期課程、博士後期課程 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
大学院専門教育科目 - 専門科目Ⅱ | ||
| 開講類・専攻 /Cluster/Department |
情報学専攻 | ||
| 担当教員名 /Lecturer(s) |
清 雄一 | ||
| 居室 /Office |
西10-729 | ||
| 公開E-mail |
sei@is.uec.ac.jp | ||
| 授業関連Webページ /Course website |
なし | ||
| 更新日 /Last update |
2024/03/21 20:00:49 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
様々な人や組織がIoTデータ及びWeb上のデータを横断的に活用した新たなサービスの構築・普及を考えており、今後これらのデータを流通させ、組み合せて活用していく制度やインフラが整っていくことが予想される。本講義では、このようなデータを横断的に解析するために必要な要素技術を学ぶ。 Various people and organizations are considering building new services that utilize IoT/Web data, and it is expected that systems and infrastructures for distributing, combining, and utilizing such data will be built in the future. We will learn about the elemental technologies required for cross-sectional analysis of such data. |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
特にない。 None particularly. |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
システム設計特論１、システム設計特論２。ただし、これらを履修していなくても問題はない。 Advanced System Design I, Advanced System Design II (not mandatory) |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
教科書は使用しない。参考書や参考文献は必要に応じて指示する。 We do not use textbooks. Refer to the reference books and references as necessary. |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
第1回 講義の各テーマの概要説明 第2回 機械学習の基礎（scikit-learnプログラミング） 第3回 機械学習の基礎（kerasプログラミング） 第4回 プロジェクトマネジメントの基礎（CoBRA法） 第5回 プロジェクトマネジメントの基礎（ImprovAbility） 第6回 機械学習工学1（プロジェクトマネジメント） 第7回 機械学習工学2（AI倫理） 第8回 機械学習工学3（教師データの処理） 第9回 Digital Transformation (DX) 第11回 AIサポートによるディスカッション 第12回 ソーシャルメディアマイニング（テキスト処理） 第13回 Python programming 基礎 第14回 プライバシ保護データマイニング（差分プライバシ） 第15回 プライバシ保護データマイニング（秘密計算） 第15回 課題発表と解説 なお、上記は事前に想定した内容であり、最新の研究動向、受講者の興味・理解度に応じて順序を変更したり、内容を追加・変更・省略する可能性がある。 「英語タイプ（Cc）により講義を実施」 1: Brief explanation of each theme 2: Basics of machine learning (scikit-learn programming) 3: Basics of machine learning (keras programming) 4: Basics of project management (CoBRA) 5: Basics of project management (ImprovAbility) 6: Machine learning engineering 1 (project management) 7: Machine learning engineering 2 (AI ethics) 8: Machine learning engineering 3 (pre-processing of training data) 9: Digital Transformation (DX) 10: Discussion with AI tools 11: Social media mining (Text processing) 12: Python programming 13: Privacy-preserving data mining (differential privacy) 14: Privacy-preserving data mining (secure multiparty computation) 15: Presenting assignments and performing comprehensive discussion The lecture in this course, type（Cc） |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
一部のテーマについては、民間企業でコンサルティングを行った経験を踏まえた講義を行う。 For some topics, lectures will be based on my experience in Mitsubishi Research Institute. |
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
予習・復習は不要。レポート作成、課題発表の準備には一定の時間を要する。 Preliminary review and review are unnecessary. It takes a certain time to prepare for report preparation and assignment presentation. |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
合格の最低基準を以下の通りとする。 ・全てのレポートの受理 The minimum standard of pass shall be as follows. · Submission of all reports |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
西10号館729号室、木曜、5時限。メールや電話などによりアポイントメントを取ること。 Room 729 West Building 10, Thursday, 5th period. Please take an appointment by e-mail. |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
研究に使える技術のほか、システム開発に関わる企業で活用できる技術を学びます。 Students will learn technologies that can be used in research and system development at companies. |
| その他 /Others |
特にない。 None particularly. |
| キーワード /Keywords |
機械学習工学、プライバシ、オープンデータ、セマンティックWeb、CoBRA法、ImprovAbility Machine learning engineering, Privacy, Open data, Semantic web, CoBRA, ImprovAbility |