単位数: 1. 担当教員: ＭＡＳ ＳＡＭＡＮＥＺ ＥＲＩＣ, ＳＵＰＰＡＳＲＩ ＡＮＡＷＡＴ. 開講年度: 2024. 科目ナンバリング: TCA-CEE325J.
○
Google Classroomのクラスコードは工学部Webページにて確認すること。
学部シラバス・時間割(https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html)
１．目的：現代社会生活に加え，現在の研究および実務においては，計算機を用いた情報処理に関する知識や能力は必須である。本演習では，まず情報処理に関する基本的な知識，能力，情報リテラシーを学習する。つぎに卒論研究に必要な基礎的な数値計算手法によるプログラム作成やデータ処理の経験を通じて，情報処理、可視化、統計解析等の基礎を習得する。
２．概要：情報化社会におけるセキュリティのあり方や社会的ルール，アルゴリズムの基本的な考え方，数値解析のための基礎的な手法などについて学ぶ。
３．達成目標：以下の知識，能力を身につけること。
・現在の社会における情報とその安全や倫理に関する基礎知識
・基礎的な情報処理と数値計算の手法
・上記手法に基づく解析プログラム作成
・解析結果について整理をし，考察することができること
Google Classroom クラスコード： 52drt6h
[TB54091] 応用情報処理演習Ａ
各自で演習実施に必要な端末を用意する必要がある。
演習で使うソフトウエアを含む受講方法については，授業時に説明をする。
The class code for Google Classroom can be found on the Web site of
the School of Engineering:
https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html (JP Only)
1) Knowledge and skills in "information processing" are essential in research and practical work as well as in daily life in this modern society. This course is designed to obtain basic knowledge for gradation research via information literacy and to help students develop skills in information processing, such as program coding, data processing, visualization, and statistical analysis.
2) Students will learn concepts of typical numerical analysis algorithms and program coding.
3) Students will develop the following skills and knowledge:
- Basic methods in numerical analysis
- Basic skills in programming
- Examination of results of analyses
Google Classroom code: 52drt6h
The computational environment necessary for the exercise is explained in class.
情報処理演習（2セメ）を受講，履修済みであることが望ましい。
It is desirable to have finished the Information processing exercise in the second semester in advance.
第[01]回 科目概要：Pythonの基礎、NumPy、SciPy、Matplotlib
第[02]回 データ形式：txt, csv, ascii
第[03]回 可視化：グラフ作成（線、マーカー、凡例等の設定）
第[04]回 根の探索：反復法、二分法、ニュートン法、割線法
第[05]回 最適化：ネルダーミード法、BFGS法
第[06]回 補間1：ラグランジ法、エルミート法
第[07]回 補間2：1次元・2次元の可視化
第[08]回 数値微分：オイラー法、ルンゲ・クッタ法
第[09]回 数値積分：台形公式、シンプソン公式、ロンバーグ積分
第[10]回 線形代数1：反復法（ヤコビ法、ガウス・ザイデル法）
第[11]回 線形代数2：消去法（ガウス法、トーマス法）
第[12]回 確率統計1：確率分布（正規分布、ポアソン分布、二項分布）
第[13]回 確率統計2：線形回帰モデル
第[14]回 衛星画像解析：NDVI、NDWI解析
第[15]回 機械学習：クラスタリング
Class 1 Introduction: Overview of Python, NumPy, SciPy and Matplotlib
Class 2 Data format: txt, csv, ascii
Class 3 Visualization: Creating graphs
Class 4 Root of equation: Iterative method, bisection method, Newton`s method, Secant method
Class 5 Optimization: Nelder-Mead method and BFGS法
Class 6 Interpolation 1: Lagrange method and Hermitian method
Class 7 Interpolation 2: One dimension and two dimension
Class 8 Numerical differentiation: Euler method, Runge-Kutta method
Class 9 Numerical integration: Trapezoidal integration, Simpson`s method, and Romberg
Class 10 Linear Algebra 1: Iterative method (Jacobi method and Gauss-Seidel method)
Class 11 Linear Algebra 2: Elimination method (Gauss method and Thomas method)
Class 12 Probability and Statistics 1: Possibility distribution (Normal distribution, Poisson distribution, and Binomial distribution)
Class 13 Probability and Statistics 2: Linear regression model
Class 14 Satellite image analysis: NDVI and NDWI analysis
Class 15 Machine learning: Clustering
毎回の履修事項の復習をしながら演習課題を完成させること
To review and finish assignments in each class
演習として課す課題により評価する
Evaluation will be performed based on reports assigned in classes
研究室在室時は随時。予め連絡を取ること。
At any time when the teacher is in his office. Appointments has to be made in advance.