2025年度 シラバス学部 2025年度 シラバス学部 2025年度 シラバス学部
| 2025/02/23 現在 |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 3学期 ／Third Quarter |
|---|---|
| 対象学年 ／Course for; |
3年 |
| 単位数 ／Credits |
4.0 |
| 責任者 ／Coordinator |
趙 強福 |
| 担当教員名 ／Instructor |
趙 強福, 愼 重弼, 白 寅天, テーヌワラ ハンナディゲー アキラ サンジャヤ シリウィーラ |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
事前に学んでおいてほしい科目一覧（下記科目内容の一部ないし全部を既知として授業を進めます） 1) In LI14 Computer Science and Engineering Seminar II 2) FU01 Algorithms and Data Structures (useful to understand graph-based search) 3) MA09 Mathematical Logic (useful to understand processes for formal proof) 4) FU03 Discrete Mathematics (useful to understand set, concept, fuzzy set, etc.). |
| 更新日／Last updated on | 2025/01/21 |
|---|---|
| 授業の概要 ／Course outline |
人工知能は知的思考や行動を計算機械(Computing machine)で実現する方法を考察する学問である。人工知能の最終目標は、自律的に学習し、自律的に計画を立て、自律的に与えられた問題を解決することができる計算機械を作ることである。人工知能の歴史は既に半世紀以上経っているが、総合的に考えれば、人間並みの知能を持つ計算機械はまだない。しかし、さまざまな分野において、人工知能の成功例は数多く挙げられる。場合によっては、人間よりも計算機械のほうは知能が高いともいえる。よく知られている例は、囲碁の世界チャンピオンを破ったAlphaGoというシステムである。医療診断や機械設計などにおいても、人間をサポートする「専門家システム」が広く使用されている。最近よく話題になっている生成AIも、様々な問題を人間よりも上手く解決できるが、主体として問題を発見し、解決することができない。即ち、総合的には人間の知恵に匹敵できる人工システムがまだ存在しないが、個別領域では人間よりも「賢い」システムが既に開発されている。このようなシステムと組むことによって人間は「より知的」（より知恵があるようになったかどうかはわからないが）になっていることは否定できない事実であろう。 人工知能の主な研究テーマをあげると、問題解決、推論、計画立案、自然言語理解、コンピュータビジョン、自動プログラミング、機械学習、などがある。これらのテーマは互いに独立ではない。例えば、機械学習によって獲得した知識を問題解決にも使えるし、推論にも使える。問題解決の方法自体も学習によって得られるかも知れない。また、有効な問題解決方法は、推論の過程にも使えるし、計画立案にも有用である。更に、言語の理解とコンピュータビジョンはパターン認識の領域で考えれば、同じ種の問題であり、データの表現方法だけが違う。 |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[対応する学習・教育到達目標] (A) 技術者としての専門的･倫理的責任を自覚し、情報科学技術を駆使して社会における要求を分析し、技術的課題を設定･解決･評価することができる [Competency Codes] C-IS-001, C-IS-002-2, C-IS-003, C-IS-004-1, C-IS-005-2 この授業でわれわれは、人工知能を理解するために必要最小限の知識を習得する。具体的には、以下の内容を勉強する： （１）探索：問題表現、探索； （２）知識表現：エキスパートシステム、意味ネット、フレーム； （３）推論：命題論理、述語論理、自動推論、ファジィ論理； （４）学習：パターン認識、ニューラルネット、決定木。 この授業が終わったら、学生の皆さんが以下のようになってほしい： （１）よく知られている探索方法が使える; （２）問題や知識の基本的表現方法をわかる； （３）命題論理や述語論理を用いた自動証明の基本的考え方をわかる; （４）ファジィ論理、パターン認識、ニューラルネットなどの基礎知識を知る。 この授業をきっかけに人工知能に興味を感じ、さらに勉強したい方は、大学院に進学することを勧める。 |
| 授業スケジュール ／Class schedule |
(1) 人工知能の概要 - 人工知能とは？ - 関連研究領域 - 人工知能の歴史 - 歴史的人物 (2) 問題の定式化 - 状態空間表現 - ツリー構造とグラフ構造の復習 - 探索グラフ - 探索ツリー (3) 探索その１ - ランダム探索 - Closed リスト - Open リスト - 深さ優先探索 - 幅優先探索 - 均一コスト探索 (4) 探索その2 - ヒュリスティックとは？ - 最良優先探索 - A*アルゴリズム (5) プロダクションシステム - プロダクションシステムとは？ - 推論エンジン、ワーキングメモリ、知識ベース - パターン照合 - 衝突解消 - 前向き推論 - 後ろ向き推論 (6) オントロジー - オントロジーとは？ - 意味ネット - フレーム - 構造的知識 - 宣言的知識 - 手続き的知識 - 継承 (7) 命題論理 - 命題論理とは？ - 論理式の定義 - 論理式の意味 - 論理式の種類 - 真理値表による証明 - 基本的法則 - 節形式 - 形式的証明 (8) 述語論理 - 述語論理とは？ - 項と論理式 - 節形式 - 論理式の標準化 - 単一化と導出 - ホーン節とSNL導出 - Prolog (9) ファジィ論理 - ファジィ論理の定義 - メンバーシップ関数 - ファジィ集合の表記法 - ファジィ集合の演算 - ファジィ数とその演算 - 拡張原理 - ファジィルール - 非ファジィ化 - ファジィ制御 (10) パターン認識 - パターン認識とは？ - 特徴ベクトル - 最近傍識別器 - 線型識別関数 - マルチクラスパタン認識 - k-平均法 (11) 距離ベースのニューラルネットワーク - 自己組織ニューラルネットワーク - 勝者独占学習 - 学習ベクトル量子化 - R4ルール - 学習結果の評価 (12) 階層型ニューラルネット - ニューラルネットとは？ - ニューロンのモデル - ニューロンの学習則 - 階層型ニューラルネット - 階層型ニューラルネットの学習 (13) 決定木 - 決定木とは - 決定木による推論過程 - 決定木の設計 - 多変量決定木 - 多変量決定木の設計 (14) 知的探索 - 遺伝的アルゴリズム - 個体、集団、適度、遺伝子型、表現型、遺伝的操作 - 粒子群最適化 - 粒子、個人的要因、社会的要因 |
| 教科書 ／Textbook(s) |
趙 強福、樋口 龍雄、人工知能ーAIの基礎から知的探索へ、共立出版, ISBN: 978-4-320-12419-6 |
| 成績評価の方法・基準 ／Grading method/criteria |
Final Exam: 50 Quiz: 10 Report: 20 Program: 20 |
| 履修上の留意点 ／Note for course registration |
1) 線形代数、離散系論を履修してからこの科目を履修することを勧めます。 |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
[1] 人工知能概論、荒屋 真二著、共立出版、ISBN4-320-12116-3 [2] 新しい人工知能（基礎編）、前田 隆、青木 文夫共著、オーム社、ISBN4-274-13179 [3] 新世代工学シリーズ、人工知能、溝口 理一郎、石田亨、オーム社、ISBN4-274-13200-5 [4] Artificial Intelligence: a modern approach, S. Russell and P. Norvig, Prentice Hall, ISBN0-13-080302-2 [5] この授業のホームページ：http://web-ext.u-aizu.ac.jp/~qf-zhao/TEACHING/AI/AI.html |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 2学期 ／Second Quarter |
|---|---|
| 対象学年 ／Course for; |
3年 |
| 単位数 ／Credits |
3.0 |
| 責任者 ／Coordinator |
ファヨール ピエール アラン |
| 担当教員名 ／Instructor |
ファヨール ピエール アラン, 西舘 陽平, 高橋 成雄, 平田 成 |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
－ |
| 更新日／Last updated on | 2025/01/09 |
|---|---|
| 授業の概要 ／Course outline |
本授業はコンピュータと情報技術の重要な応用であるコンピュータグラフィックスについて学習する。コンピュータグラフィックスは人間の目で見た物体をコンピュータで立体的画像を作成する技術であり、下記の分野で応用されている。 * CAD (Computer-aided design): 機械設計、建築設計、回路設計など。 * 娯楽： 映画制作、アニメ、ゲームなど。 * バーチャルリアリティ：フライトシミュレーション、手術支援など。 * ビジュアリゼーション：シミュレーション、データビジュアライゼーション。 |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[対応する学習・教育到達目標] (A) 技術者としての専門的･倫理的責任を自覚し、情報科学技術を駆使して社会における要求を分析し、技術的課題を設定･解決･評価することができる [コンピテンシーコード] C-GV-004, C-GV-005, C-GV-006, C-GV-007 本授業はコンピュータグラフィックスについて、基礎理論と実践力の両方を身に付けること。 |
| 授業スケジュール ／Class schedule |
ファヨール先生： 1) ガイダンス、CGの基本概念、OpenGL入門 2) ３Dビューイングパイプライン 3) 幾何学的変換、投影変換 4) シェーディング 5) マッピング 6) アニメーション (スケルトン, kinematics) 7) アニメーション (物理シミュレーションに基づく) 8) レイトレーシング 9) ラスタライザ、隠面消去 10) サーフェス・ソリッドモデルによる立体表現 11) ポリゴンメッシュ処理 12) 自由曲線・曲面 13) GPUプログラミング (GLSL, シェーダー) 14) GPUプログラミング (advanced shaders) 高橋先生： 1) ガイダンス 2) ソリッドモデルによる立体表現 3) 境界表現とオイラー操作 4) 2次元幾何学的変換 5) 3次元幾何学的変換 6) 投影変換 7) 隠面消去 8) シェーディング 9) マッピング 10) アニメーション 11) レイトレーシング 12) 自由曲線・曲面 13) ノンフォトリアリスティックレンダリング 14) GPUプログラミングの基礎 |
| 教科書 ／Textbook(s) |
コンピュータグラフィックス(改訂新版) CG-ARTS協会(財団法人 画像情報教育振興協会), ISBN 978-4-903474-49-6 (オプショナル) |
| 成績評価の方法・基準 ／Grading method/criteria |
* 演習、宿題 、適宜問題： 40% * 期末試験：60% |
| 履修上の留意点 ／Note for course registration |
以下の科目に精通していることが期待される: * 線形代数、微積分 * プログラミング |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
授業ホームページ * https://web-int.u-aizu.ac.jp/~fayolle/teaching/cg/index.html * http://web-int.u-aizu.ac.jp/~shigeo/course/cglec/index.html * http://web-int.u-aizu.ac.jp/~shigeo/course/cgex/index.html |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 2学期 ／Second Quarter |
|---|---|
| 対象学年 ／Course for; |
4年 |
| 単位数 ／Credits |
3.0 |
| 責任者 ／Coordinator |
矢口 勇一 |
| 担当教員名 ／Instructor |
矢口 勇一, TBD-3 |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
－ |
| 更新日／Last updated on | 2025/01/21 |
|---|---|
| 授業の概要 ／Course outline |
『百聞は一見に如かず』 画像は日常生活におけるコミュニケーションや知識の蓄積に置いて非常に重要な役割を果たしている。特に近年では、ほぼ100％に近いモバイルデバイスにカメラが搭載されるなど、全ての人間が気軽に画像を撮り、扱うことが出来るようになった。また、Web等を介して、様々な画像を見ることが出来るようになり、コンピュータによって自動的に画像の認識と理解を行う事が重要なビジネスの対象となっている。 画像処理は、カメラ等によって撮られた画像を如何に加工し、その情報を基に目的の認識・理解を得られるかを行う技術である。授業では、画像の入力装置を経て、コンピュータへの転送のためのデータ圧縮、ノイズや撮影環境を合わせるための種々の加工技術、画像特徴を得るためのフィルタリング技術、得られた特徴から事前知識や学習等を用いての認識・理解までを、基本的な画像処理の手法を紹介しながら、『どのように画像から知見を得るか？』を議論し、画像処理に対する理解を深めていく。 |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[対応する学習・教育到達目標] (A) 技術者としての専門的･倫理的責任を自覚し、情報科学技術を駆使して社会における要求を分析し、技術的課題を設定･解決･評価することができる (B) 社会環境、技術等の変化に対応して、生涯にわたって自発的に学習することができる (C) 数学・自然科学・情報技術分野の科目の専門的知識と、それらの習得を通して身につけた論理的な思考力や客観的判断力などの科学的思考力を、問題解決に応用できる 本授業では、デジタル画像処理に関する基本的な部分であるLow-Level Visionの部分を中心に学ぶ。Low-Level Visionとは、画像の入出力をはじめ、画像の見栄えの変化や特徴抽出を行うための加工法、画像圧縮等の、直接画像を加工する部分を含む。講義ではこれらの基礎的な手法について学ぶことと、命題に対するケーススタディを議論する事で応用するためのノウハウを学習する。 - デジタル画像を加工するテクニックを学ぶ - あらゆるアプリケーションに応用できるデジタル画像処理の基本的なテクニックを学ぶ - Python（またはC++）とOpenCVの使い方を学ぶ。 - 画像の取得と表現から画像処理パイプラインを確立する重要なプロセスを理解する。 - 画像の特徴やセグメントを抽出するための基本的な手順と方法を理解する。 - 画像圧縮とノイズ除去の基本的な戦略を理解する。 演習では講義で学んだ基礎的な手法を実際に適用し、問題演習を通じて応用力を鍛える。最終的に、Term Projectで与えられる応用問題を解く事で、一連の画像処理の課題を認識し、画像処理アプリケーションを作成出来る事を到達目標とする。 |
| 授業スケジュール ／Class schedule |
Lecture Schedule: 1. Introduction to Image Processing, Fundamentals (Chapter 1) - Definition, Origins, Fields, Steps, Components, Introduction to OpenCV by Python 2. Intensity Transformation (Chapter 2, Chapter 3) - Histogram, Binarization, Gamma Trans., Smoothing, Sharpeing 3. Convolution and Spatial Filter I (Chapter 3) - Mean Filter, Median Filter, Smoothing, Edge Filter, Laplacian Filter 4. Convolution and Spatial Filter II (Chapter 3) - Sharpeing spatial filter, Pass Filter, Image Convolution, Spatial Enhancement 5. Morphological Filter (Chapter 9) - Pixel Relation, Erosion/Dilation, Opening/Closing, Hit-or-Miss, Grayscale 6. Filtering in the Frequency Domain I (Chapter 4) - FFT, DFT, 2D-DFT/IDFT, Low-pass, High-pass, Band-pass 7. Filtering in the Frequency Domain II (Chapter 5) - Image Restoration and Reconstruction, Ringing Effect, Wiener Filter 8. Color Image Processing (Chapter 6) - Color Model, Pseudo Color, Full-Color Image Processing, Noise 9. Wavelet and Other Image Transforms (Chapter 7) - Matrix-based, Correlation, Fourier-related, Haar, Wavelet 10. Image Segmentation I (Chapter 10) - Point, Line, Edge, Region, Texture 11. Image Segmentation II (Chapter 10) - Clustering, Subpixels, Graphcuts, Watershed 12. Feature Extraction I (Chapter 11) - Extractor, Corner, Interest Point, Line, Region 13. Feature Extraction II (Chapter 11, 12) - Descriptor, SIFT, Object Recognition 14. Image Compression (Chapter 8) - Lossless compression, Lossy Compression, Coding, JPEG, PNG Assignment Schedule 1. Image Enhancement (1W – 4W) 2. Spatial Filtering (3W – 6W) 3. Morphological Filtering (5W – 8W) 4. Frequency Domain Filtering (6W – 9W) 5. Color Image Processing and (8W – 11W) 6. Image Segmentation (10W – 13W) 7. Object Recognition with Feature Extraction (12W – 14W end) |
| 教科書 ／Textbook(s) |
ELMSよりハンドアウトを参照 参考図書: 購入義務は無いが、購入する事を勧める - R. C. Gonzalez and R. E. Woods, "Digital Image Processing, 4th Edition" (Pearson Education 2017) - CG-ARTS 協会: "ディジタル画像処理 改訂第二版" (CG-ARTS 協会, 2024) |
| 成績評価の方法・基準 ／Grading method/criteria |
演習提出: 1 回 10 点満点 x 7 = 70点 期末試験: 30点 計 100点とする。 演習の初回提出が期限内に出せない場合は各回で -4 点とする。 （0 点を下回る場合はその回の点数を 0 点とする） 中間・期末は実施しない。 出席は、授業中に配られる課題を提出することで出席とみなす。（課題の点数は成績に加味しないが、理解度を図る良い材料となる。） |
| 履修上の留意点 ／Note for course registration |
但し、事前に出席できない旨を教員に知らせる場合は、その限りではない。（病欠、就活による欠席、イベント出席による欠席等は、減点しない期間を与える） |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
実務経験有り： The course instructor Yuichi Yaguchi is studied a set of image processing techniques from 2008, and he has teaching experience of this course from 2011 to 2017. He also has practical working experience of image processing research such as the finding irregular control by drive recorder, remote survey system of sewage plant by web camera, visual SLAM system for robot system and so on. He also teach the advanced course of image processing such as image recognition and understanding in graduate school. 授業形態：講義,演習 |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 1学期 ／First Quarter |
|---|---|
| 対象学年 ／Course for; |
4年 |
| 単位数 ／Credits |
3.0 |
| 責任者 ／Coordinator |
成瀬 継太郎 |
| 担当教員名 ／Instructor |
成瀬 継太郎 |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
－ |
| 更新日／Last updated on | 2025/01/23 |
|---|---|
| 授業の概要 ／Course outline |
現代社会ではコンピュータは様々な機器の制御に広く用いられ、制御などの知識が必要不可欠となっている。本科目ではコンピュータ科学・工学専攻の学生のための、ロボット工学と自動制御理論の基礎を与えるものである。とくに実世界において制御理論の中心であるフィードバック制御の概念を学ぶことと、ロボットを制御するための基本的な理論と考え方を習得することに主眼を置く。また講義だけではなく、演習を通じてより深い理解を目指す。 |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[対応する学習・教育到達目標] (A) 技術者としての専門的･倫理的責任を自覚し、情報科学技術を駆使して社会における要求を分析し、技術的課題を設定･解決･評価することができる [コンピテンシーコード] ロボット工学に関しては、ロボットの運動を表現するための数学的な手法である運動学とプランニング手法を学ぶ。そして学生は (1) コンフィグレーション空間と運動方程式を学ぶことにより、ロボットの運動をコンピュータ内で表現できるようになる。 (2) 人工ポテンシャル法、ロードマップ法、セル分解法などのプランニング手法を学ぶことにより、ロボットの動作計画ができるようになる。 一方、自動制御理論に関しては基本的な考え方であるフィードバック制御を学ぶ。そして学生は (1) 伝達関数、ブロック線図などを学ぶことにより、簡単なフィードバック制御を実現できるようになる。 (2) 時間遅れ要素と定常誤差を学ぶことにより、制御系の安定性を解析できるようになる。 (3) 与えられたシステムのPID制御を構築できるようになる。 また最後にロボットシステムの構成について学ぶ。 |
| 授業スケジュール ／Class schedule |
第１週 講義の概要と序論 第２週 円形ロボットのコンフィギュレーション空間 第３週 矩形ロボットとロボットアームのコンフィギュレーション空間 第４週 人工ポテンシャル法 第５週 ロードマップ法 第６週 セル分解法 第７週 サンプリングに基づく経路生成 第８週 ロボットの運動方程式 第９週 フィードバック制御の原理 第１０週 時間遅れ要素と定常誤差 第１１週 制御システムの安定性 第１２週 PID制御 第１３週 フィードバック制御の利点 第１４週 まとめ |
| 教科書 ／Textbook(s) |
なし。 必要な資料は、授業中に配布する。 |
| 成績評価の方法・基準 ／Grading method/criteria |
講義のクイズ：20％ 演習：40％ 期末試験：40％ |
| 履修上の留意点 ／Note for course registration |
関連科目として、コンピュータ理工学実験、プログラミングＣ，線形システム理論。 |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
LMS |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 1学期 ／First Quarter |
|---|---|
| 対象学年 ／Course for; |
4年 |
| 単位数 ／Credits |
3.0 |
| 責任者 ／Coordinator |
ナッサーニ アラディン |
| 担当教員名 ／Instructor |
ナッサーニ アラディン |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
通常のプログラミングの講座以外特に無し。 おすすめされた ： L10: マルチメディアシステム概論 ITC02: Computer Graphics |
| 更新日／Last updated on | 2025/01/24 |
|---|---|
| 授業の概要 ／Course outline |
このコースでは、インタラクティブ技術のエキサイティングな世界、特にバーチャルリアリティ（VR）、拡張現実（AR）、複合現実（MR）に焦点を当てた包括的な入門を提供します。 学生は、ヒューマンコンピュータインタラクション（HCI）および3Dユーザーインターフェース（UI）設計の基本原理を探求しながら、業界標準のソフトウェア、特にリアルタイムVRゲームやシミュレーションの制作に関する実践的なスキルを習得します。 プロジェクトベースの「実践的」アプローチを重視し、学生は多用途な3DゲームエンジンであるUnityを使用して独自の仮想世界を構築する方法を学びます。カリキュラムは、人間の知覚、バーチャルリアリティと拡張現実、ゲームデザインの原則、モーショングラフィックス、色彩理論、作曲、音声合成など、幅広いトピックをカバーしています。 マルチメディアコンテンツの制作を支援するために、Unity、Blender、Audacityなどのサポートツールが導入されます。実践的な実験と体験学習を通じて、学生はコースの概念の理解を強化するための実践的な活動に取り組みます。 |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[対応する学習成果］ (A)技術者としての専門的・倫理的責任を自覚し、社会的要請を分析し、社会における情報科学技術を活用した技術的課題の設定・解決・評価ができる。 (C)数学、自然科学、情報技術に関する専門的知識と、その修得を通じて培った論理的思考力、客観的判断力などの科学的思考力を、問題解決に向けて活用することができる。 [コンピテンシーコード］ C-GV-001、C-HI-005 コース修了時には、次のことができるようになっている：独自のインタラクティブな仮想現実（VR）、拡張現実（AR）、複合現実（MR）体験を設計、開発、実装し、Unity、Blender、Audacity などの業界標準ツールの使用に習熟していることを示すとともに、ヒューマンコンピュータインタラクション（HCI）と 3D ユーザーインタフェース（UI）デザインの原則を適用して、魅力的で没入感のある仮想世界、ゲーム、またはシミュレーションを作成できる。 |
| 授業スケジュール ／Class schedule |
第1回: 概要 & Photopeaによる2Dデザイン 第2回: Blenderによる3Dデザイン 第3回: Audacityによるオーディオ編集 第4回: ハンドヘルドAR 第5回: Unity入門 第6回: Unityでのインタラクション 第7回: パーティクルと地形 第8回: ゲームにおけるサウンドとBGM 第9回: バーチャルリアリティ（VR） 第10回: Unityへのアバター埋め込み 第11回: ノードベーススクリプティング 第12回: トラッキングとジェスチャー認識 第13回: 生体センシング 第14回: 協調型複合現実（MR） 第15回: 最終プロジェクト |
| 教科書 ／Textbook(s) |
教師による授業、TAとSA. |
| 成績評価の方法・基準 ／Grading method/criteria |
このコースでは、デザインの革新性と独創性を育成するために、デジタルコンテンツ制作ツールの創造的な活用を優先し、実習を中心とした授業が行われます。毎週行われる「チェックポイント」演習では、魅力的でインタラクティブなVR/AR体験を作成するための特定のスキルを検証します。コースを通して定期的にフィードバックが行われ、学生を指導し、作品を洗練させるのに役立ちます。 コース評価の内訳は以下の通りです： 小テスト：25 課題 35% グループプロジェクト 40% これらの評価により、コース全体を通して学生の学習と達成度を総合的に評価する。 |
| 履修上の留意点 ／Note for course registration |
このコースは大学院コース ITA33: マルチメディア マシニマと連動しています。 このコースに合格して会津大学大学院に進学した場合は、ITA33 への登録資格はありません。 |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
Related web pages: Photopea image editor: https://www.photopea.com PhotoBooth photo capture: https://support.apple.com/ja-jp/guide/photo-booth/welcome/mac Photos photo manipulation: https://www.apple.com/jp/macos/photos/ Blender: https://www.blender.org (https://blender.jp) Unity: https://unity.com/ja Unity チュートリアル: https://unity.com/jp/learn/tutorials Google Cardboard: https://arvr.google.com/cardboard/?hl=ja, https://developers.google.com/cardboard?hl=ja, https://ja.wikipedia.org/wiki/Google_Cardboard Audacity audio editor: http://audacity.sourceforge.net/?lang=ja macOS "say" TTS (text-to-speech) utility: https://support.apple.com/en-is/guide/mac-help/mh27448/mac GarageBand: https://www.apple.com/jp/mac/garageband/ Vuforia: https://developer.vuforia.com Snap AR & Lens Studio https://ar.snap.com ZIG SIM https://zig-project.com HCI Research https://www.sciencedirect.com/book/9780128053904/research-methods-in-human-computer-interaction このコースの講師は、開発、研究、指導を含め、VRとARの経験があります。 |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 1学期 ／First Quarter |
|---|---|
| 対象学年 ／Course for; |
3年 |
| 単位数 ／Credits |
4.0 |
| 責任者 ／Coordinator |
陳 文西 |
| 担当教員名 ／Instructor |
陳 文西, チョオン コン タン, TBD-3 |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
－ |
| 更新日／Last updated on | 2025/01/24 |
|---|---|
| 授業の概要 ／Course outline |
Signals and systems are present in any aspects of our world. The examples of signals are speech, audio, image and video signals in consumer electronics such as TV, PC, and smartphone; vital signs in medical systems; electronic radar waveforms in military equipment. Signal processing is concerned with the representation, transformation and manipulation of signals, and extraction of the significant information contained in signals. For example, we may wish to remove the noise in speech signals to make them clear, or to enhance an image to make it more natural. Signal processing is one of the fundamental theories and techniques to construct modern information systems. During the last century, lots of theories and methods have been proposed and widely studied in signal processing. This course includes the concept of continuous-time and discrete-time signals, representations of signals in time, frequency, and other transform domains, representations and analyses of systems, filter structures and designs. The course is a prerequisite course for your further studying on other related courses, such as voice processing, image processing, audio and video signal compressing, pattern recognition and classification, biomedical signal processing, development of communication and security systems, and so forth. |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[Corresponding Learning Outcomes] (A) Graduates are aware of their professional and ethical responsibilities as an engineer, and are able to analyze societal requirements, and set, solve, and evaluate technical problems using information science technologies in society. (B) This course is to provide students with the foundations and tools of signal processing, particularly the time-invariant system in both continuous and discrete domains. We will mainly study the following topics: signal representation in time domain, Fourier transform, sampling theorem, linear time-invariant system, discrete convolution, z-transform, discrete Fourier transform, and discrete filter design. After this course, the students should be able to understand how to analyze a given signal or system using various transforms; how to process signals to make them more useful; and how to design a signal processor (digital filter) for a given problem. |
| 授業スケジュール ／Class schedule |
Prof. TRUONG’s Class 1. Introduction to Signals and Systems 2. Linear Time-Invariant System (continuous-time) 3. Linear Time-Invariant System (discrete-time) 4. Continuous Fourier Series and Fourier Transform 5. Discrete Fourier Series, Fourier Transform, and FFT 6. Fourier Transform Analysis of Signals and Systems 7. Midterm exam 8. Laplace Transform 9. Z-Transform 10. Structures for Digital Filters I: FIR Filter 11. Digital Filter Design I: FIR Filter 12. Structures for Digital Filters II: IIR Filter 13. Digital Filter Design II: IIR Filter 14. Applications of Signal Processing Prof. CHEN and WANG’s Class 1. Introduction to Signals and Systems 2. Linear Time-Invariant System (continuous-time) 3. Linear Time-Invariant System (discrete-time) 4. Continuous Fourier Series and Fourier Transform 5. Discrete Fourier Series, Fourier Transform, and FFT 6. Fourier Transform Analysis of Signals and Systems 7. Laplace Transform 8. Z-Transform 9. Structures for Digital Filters I: FIR Filter 10. Digital Filter Design I: FIR Filter 11. Structures for Digital Filters II: IIR Filter 12. Digital Filter Design II: IIR Filter 13. Applications of Signal Processing 14. Review |
| 教科書 ／Textbook(s) |
Textbooks: 1. Schaum's Outline of Signals and Systems, (Schaum's Outlines) 2019/10/16 Hsu, Hwei P., 3835 Yen 2. Schaum’s Outline of Digital Signal Processing, (Schaum's Outlines) 2011/9/7 Hayes, Monson H., 3658 Yen Reference books: 1. Digital Signal Processing: A Computer-Based Approach 2010/9/10, Sanjit K. Mitra, 20106 Yen 2. ディジタル信号処理(第2版・新装版)–2020/12/17, 萩原 将文 (著)、森北出版、2420 円 3. MATLAB対応 ディジタル信号処理(第2版)–2021/11/12, 川又政征 (著), 阿部正英 (著), 八巻俊輔 (著), 樋口龍雄 (監修)、森北出版、3630 円 |
| 成績評価の方法・基準 ／Grading method/criteria |
Prof. TRUONG’s Class * Quizzes: 10% * Exercises: 40% * Mid-term exam: 20% * Final exam: 30% Prof. CHEN and WANG’s Class * Quizzes: 10% * Exercises: 40% * Final exam: 50% |
| 履修上の留意点 ／Note for course registration |
None |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
1. Instructors The course instructor Wenxi Chen has practical working experience. He worked for Nihon Kohden Industrial Corp. for 5 years where he was involved in R&D of bioinstrumentation, signal processing and data analysis. Based on his experience, he can teach the basis of signal processing and linear systems. The course instructor Cong Thang Truong has practical working experiences. He worked for Electronics and Telecommunications Research Institute (ETRI) of South Korea for 5 years where he was involved in R&D of multimedia signal processing and communications. He also actively contributed in ISO/IEC & ITU-T standards of signals and systems for more than 10 years. Based on his experiences, he can teach the basics of signal processing and linear systems. The course instructor Zhishang Wang has practical working experience. He had performed computational techniques for analyzing and processing image data at University of Freiburg for 3 years and had performed data processing and analysis at the University of Aizu for 5 years. He had also conducted research on data analysis in collaboration with Rexev Corp. Based on his experiences, he can teach the basics of signal processing and linear systems. 2. MOODLE for Handouts, Quizzes and Exercises https://elms.u-aizu.ac.jp/login/index.php 3. MIT OpenCourseWare "Signals and Systems" https://ocw.mit.edu/resources/res-6-007-signals-and-systems-spring-2011/index.htm |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 1学期 ／First Quarter |
|---|---|
| 対象学年 ／Course for; |
4年 |
| 単位数 ／Credits |
3.0 |
| 責任者 ／Coordinator |
ヴィジェガス オロズコ ジュリアン アルベルト |
| 担当教員名 ／Instructor |
ヴィジェガス オロズコ ジュリアン アルベルト, ナッサーニ アラディン |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
LI10 Introduction to Multimedia Systems |
| 更新日／Last updated on | 2025/01/20 |
|---|---|
| 授業の概要 ／Course outline |
Hearing is arguably the second most important sensory modality, and it is sometimes preferable to vision for displaying and acquiring information. For example, a car navigation system delivers guidance using speech, or you verbally ask your mobile phone to dial a number. In this course, we briefly review the main characteristics of sound, audio, and their processing for human-computer interaction. The purpose of this course is twofold: 1. To learn techniques for extracting information from acoustic signals. 2. To use acoustic signals to display information. |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[Corresponding Learning Outcomes] (A)Graduates are aware of their professional and ethical responsibilities as an engineer, and are able to analyze societal requirements, and set, solve, and evaluate technical problems using information science technologies in society. [Competency Codes] C-GV-001, C-GV-002 - Students will develop the ability to extract meaningful information from acoustic signals for use in various applications, including speech processing, music analysis, and environmental sound recognition. - Students will learn to apply acoustic signal processing techniques to explore and analyze large datasets, leveraging audio as a tool for big data applications. - By the end of the course, students will be able to evaluate and select the most appropriate audio processing techniques based on application constraints such as real-time performance, computational efficiency, and data accuracy. |
| 授業スケジュール ／Class schedule |
1 Course overview, introduction to Pure-data 2 Physics of sound 3 Sound waves and rooms 4 Sound perception 5 Sound perception (continuation) 6 Basic audio processing 7 Basic audio processing (continuation) 8 Electroacoustics, human voice 9 Time-frequency processing of audio 10 Digital Audio Effects 11 Spatial hearing 12 Sonification 13 Speech technologies (synthesis) 14 Speech technologies (recognition) |
| 教科書 ／Textbook(s) |
• V. Pulkki and M. Karjalainen, Communication acoustics: an introduction to speech, audio and psychoacoustics. John Wiley & Sons, 2015. • T. Hermann, A. Hunt, and J. G. Neuhoff, The sonification handbook. Logos Verlag Berlin, 2011. • W. M. Hartmann, Signals, Sound, and Sensation. Modern acoustics and signal processing, Wood- bury, NY; USA: American Institute of Physics, 1997. • Various materials prepared by the instructor |
| 成績評価の方法・基準 ／Grading method/criteria |
Exercises 40% Quizzes 30% Final exam 30% |
| 履修上の留意点 ／Note for course registration |
This course is offered in English exclusively. |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
The course instructor has practical working experience. He worked as an Ikerbasque researcher for about three years at the laboratory of phonetics in the Basque Country University. Class: Lecture followed by Exercises |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 1学期 ／First Quarter |
|---|---|
| 対象学年 ／Course for; |
3年 |
| 単位数 ／Credits |
3.0 |
| 責任者 ／Coordinator |
本田 親寿 |
| 担当教員名 ／Instructor |
本田 親寿, 高橋 成雄 |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
MA01 Linear Algebra I, MA02 Linear Algebra II, FU01 Algorithms and Data Structures I, FU03 Discrete Systems |
| 更新日／Last updated on | 2025/01/23 |
|---|---|
| 授業の概要 ／Course outline |
Computational geometry is one of important field of computer science to solve geometric problems. In recent, to solve geometric problem with large data and handle with high-speed processing is required for such as geographic information system (GIS), computational graphics (CG), computer-aided design (CAD), and pattern recognition, robotics, and others. In the class, students learn about computational geometric concepts in the first half section and learn about information visualization on the premise of various concepts / algorithms in the latter part. |
| 授業の目的と到達目標 ／Objectives and attainment goals |
To understand basic concepts and algorithms of computational geometry and students will be able to apply it for specific problems. |
| 授業スケジュール ／Class schedule |
Introduction -Examples of applications- Line segment intersections Convex hulls Voronoi diagrams Delaunay triangulations Polygon triangulation Scatterplot matrices Parallel coordinate plots Tree diagrams Treemaps Node-link diagrams Adjacency matrices Text and document visualization Advanced issues in information visualization |
| 教科書 ／Textbook(s) |
Prepared handouts |
| 成績評価の方法・基準 ／Grading method/criteria |
Exercise 40% Final examination 60% |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
Computational Geometry: Algorithms and Applications, 3rd edition M. de Berg, others, Springer, 2008 Information Visualization: An Introduction, 3rd edition Robert Spence Springer, 2014 |
| コンピテンシーコード表を開く 科目一覧へ戻る |
| 開講学期 ／Semester |
2025年度／Academic Year 4学期 ／Fourth Quarter |
|---|---|
| 対象学年 ／Course for; |
3年 |
| 単位数 ／Credits |
3.0 |
| 責任者 ／Coordinator |
矢口 勇一 |
| 担当教員名 ／Instructor |
矢口 勇一, 白 寅天 |
| 推奨トラック ／Recommended track |
－ |
| 先修科目 ／Essential courses |
－ |
| 更新日／Last updated on | 2025/01/21 |
|---|---|
| 授業の概要 ／Course outline |
コンピューターが自然言語を理解することは、人間と機械のコミュニケーションにとって非常に重要な技術である。また、世の中は当然のごとく自然言語で記述された文書が氾濫している状態である。このために、自然言語をコンピューターで理解し、どのように文書などの意味を抽出し、再構成するかを学ぶことは、情報工学における基礎的な技術である。 本授業は、Web上等にある自然言語で記述された文書等を、いかに理解し、意味を抽出し、再構成や検索をするかの技術を、Pythonで利用可能なNatural Language Toolkitを利用することを中心として学ぶ。また、授業中では、特に基本的な技術について、詳細まで立ち入り、他の言語でも利用可能な理解を促進させる。 |
| 授業の目的と到達目標 ／Objectives and attainment goals |
[対応する学習・教育到達目標] (A) 技術者としての専門的･倫理的責任を自覚し、情報科学技術を駆使して社会における要求を分析し、技術的課題を設定･解決･評価することができる [コンピテンシーコード] C-IS-001, C-IS-002-1, C-IS-003, C-IS-004-2, C-IS-005-1, C-PL-003, C-PL-005, C-PL-007 本授業では、PythonとPythonで使用可能なNatural Language Toolkitを利用して演習を行う。Pythonの文法等の解説は講義内で行うこととする。 講義では、自然言語処理の基本的な考え方、アルゴリズムを解説する。演習では、実データを利用して、自然言語のパージングや、文書のクラスタリング、意味解析等を行う。また、簡単な検索エンジンを、NLTKの力を借りて実装する。 |
| 授業スケジュール ／Class schedule |
Lecture Contents: 1. Introduction to Natural Language Processing - Intro. to NLP, Difficulty, Python Programming 2. Corpus and Lexical Resources - NLTK on Python, Usage for Corpus, Raw Data Import 3. Tokenizing and Regular Expression - Tokenize, Regular Expression, Stemming, Lemmatizing, WordNet 4. Word Sense I - Word Sense Disambiguation, Naïve Bayes 5. Word Sense II - Part of Speech, Tagging, N-Gram 6. Document Model - Dictionary, Bag of Words, TF*IDF, Dimension Reduction 7. Review 1 - Python Code Review, Effective Code Writing 8. Document Classification & Clustering - Vector Space Representation, Feature, Fisher’s LDA, K-Means Clustering 9. Information Extraction - Chunking & Chinking, Named Entity Extraction, Relation Extraction 10. Sentence Structure - Phase Structure, Context Free Grammar, Parsing, Dependency Grammar 11. Information Retrieval 1 - IR System Design, Indexing, Retrieving 12. Information Retrieval 2 - Invert Indexing, Bag of Words, Link Analysis 13. NLTK on Japanese - Japanese Corpus, Japanese Raw Data Acquisition, Japanese Tools 14. Review 2 Assignment Contents 1. Python Programming with NLTK - How to write the code?, How to use NLTK? 2. Document Acquisition - Raw data acquisition, Tokenize, Stemming, Lemmatizing 3. Vector Space Representation - Tagging, Normalize, Stop-word, Dictionary, Key-Value, TF*IDF 4. Document Classification - Bag of Features, Dimension Reduction, Classification, Clustering 5. Information Extraction - Chunking, Chinking, Triple Structure 6. Sentence Structure - Parsing, Dependency Extraction 7. Information Retrieval System - Integrate previous techniques for IR System, System Evaluation |
| 教科書 ／Textbook(s) |
Analyzing Text with the Natural Language Toolkit [入門 自然言語処理] Steven Bird, Ewan Klein, Edward Loper 著 萩原正人、中山敬広、水野貴明 訳 O’Reilly, オライリージャパン |
| 成績評価の方法・基準 ／Grading method/criteria |
演習は7回分、1回につき10点、合計70点分とする。 期末テストは知識を問う問題、アルゴリズムを問う問題を出し、合計30点分とする。 演習70点、期末テスト30点、計100点とする。 なお、提出期間中に初提出できない課題は4点を減ずる（0点以下となる場合は0点とする） |
| 履修上の留意点 ／Note for course registration |
出席は講義と演習の両方にある。 欠席について、事前に出席できない旨を教員に知らせる場合は提出の遅延等についての状況について勘案する。（病欠、就活による欠席、イベント出席による欠席等は、減点しない期間を与える） |
| 参考(授業ホームページ、図書など) ／Reference (course website, literature, etc.) |
Natural Language Toolkit http://www.nltk.org/ NLTK Book http://www.nltk.org/book/ 情報検索の基礎 http://www.kyoritsu-pub.co.jp/bookdetail/9784320123229 |