2956 件ヒット (0.015秒)：
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)
本講義では、情報科学の基礎となる理論や情報処理手法の基礎を習得し、併せてそれらの応用の一部を学習することを目的とする。
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)
The purpose of this lecture is to learn the basics of the theory and information processing methods that are the basis of information science, and also to learn some of their applications.
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 コンピュータを用いたパターン認識について、理論と応用の両面から述べる。
２．概要
パターン認識の一般的枠組みについて述べた後、分類・認識の理論として古典的な統計的パターン認識の理論、さらに最近のニューラルネットワークやHidden Markov Modelの理論を、実例を示しながら説明する。
３．達成目標等
パターン認識の理論と、実際に適用する場合の問題点であるパラメータ数に比べデータ数が少ないという問題を解決する方法を理解し,実際の問題を解決できるパターン認識システム構築法を修得する。
講義の案内・資料配布はGoogle Classroom 上で行います。令和５年度はクラスコード tfg4xhd で参加してください。
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)
Purpose:
To understand pattern recognition by computer from theoretical background and application aspect.
Overview:
Theoretical background of pattern recognition, neural network and hidden Markov models, and other advanced pattern recognition systems
Goals
To understand relation between sample size and model parameter size, discrimination border and discrimination power, overfitting and other concepts of pattern recognition.
Participate the class via Google Classroom with class code tfg4xhd in 2023.
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
情報処理に不可欠なプログラミング言語の知識を身につける。
２．概要
Python言語の基本文法および簡単なアルゴリズム設計法を講義と演習を行う。
３．達成目標等
Python言語の文法を理解し、簡単なプログラムを作成できる。
対面授業を実施するが、学生の希望に応じてオンライン授業も受講できる。
Google Classroomを使用します。コードを以下に示します。
fswap2n
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)
Students will learn programming and simulation skills using Python. They will understand how to write program codes through homework assignments.
You have live lectures. You can also choose online lectures when you need it.
You can join to the class with using the below code.
Google Classroom Code: fswap2n
医療分野における人工知能の役割とその基盤技術である機械学習について学ぶ。特に、クラスタリング、深層学習、強化学習について、手を動かしながらシステムを作成し、実データを処理する過程で、医療分野における機械学習について理解を深める。プログラミング言語pythonの基礎と機械学習で重要な役割を持つ数値計算ライブラリの使い方を習得する。
In this course, students will learn about the role of artificial intelligence in the medical fields and fundamental concepts and skills of machine learning.
To deepen own understanding of clustering, deep learning and reinforcement learning, etc, which are the fundamental components of machine learning, by hands-on programming.
To learn about programming language Python and how to use a numerical calculation library which has the important role of machine learning.
医療分野における人工知能の役割とその基盤技術である機械学習について学ぶ。特に、クラスタリング、深層学習、強化学習について、手を動かしながらシステムを作成し、実データを処理する過程で、医療分野における機械学習について理解を深める。プログラミング言語pythonの基礎と機械学習で重要な役割を持つ数値計算ライブラリの使い方を習得する。
In this course, students will learn about the role of artificial intelligence in the medical fields and fundamental concepts and skills of machine learning.
To deepen own understanding of clustering, deep learning and reinforcement learning, etc, which are the fundamental components of machine learning, by hands-on programming.
To learn about programming language Python and how to use a numerical calculation library which has the important role of machine learning.
大学院シラバス・時間割・履修登録(https://www.eng.tohoku.ac.jp/edu/syllabus-g.html)
ニューロモルフィックデバイス工学
This class is given using Google Classroom. (class code: cg3zovd)
脳では従来のノイマン型コンピュータよりも効率的で高度な情報処理が行われている。そこで現在のコンピュータの限界を超える情報処理システムとしての観点から脳・神経システムに関して講述する。神経系の基本素子としてのニューロンの構造と機能に関して詳細に学んだ後、脳・神経の構造と機能を模倣・利用したデバイス、およびシステム集積に必要な概念やテクノロジを学ぶ。
Timetable & Course Description(https://www.eng.tohoku.ac.jp/english/academics/master.html)
NEUROMORPHIC DEVICE ENGINEERING
This class is given using Google Classroom. (class code: cg3zovd)
Compared to conventional Neumann-type computing, high-performance and highly efficient signal processing is performed in the human brain. In this course, we'll review the brain and nervous systems from the point of view of signal processing systems beyond the present computing. The students will be able to:
・Understand the detailed structures and functions of neurons as a basic neural element.
・Learn about neuromorphic devices and system integration concepts/technology.
Google Classroomのクラスコードは工学部Webページにて確認してください．
学部シラバス・時間割(https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html)
授業にはGoogle Classroomを利用します．
Google Classroomにアクセスし，
該当するクラスコードを入力して下さい．
クラスコードは以下の通りです．
e5shy65 月曜 2コマ 青木 孝文（情報）
lgjzlwn 火曜 3コマ 日暮 栄治（通信）
vcrqg7e 金曜 2コマ 伊藤 康一（電気，電子・医工）
======
１．目的
ディジタル信号処理は科学技術の広い範囲において応用されており，現代のディジタルオーディオ，ビデオ，情報通信，科学計測の基幹技術である．この授業では，ディジタル信号処理の基礎概念と周波数領域における信号の分析・合成およびフィルタの設計法について学ぶ．
２．概要
信号の周波数領域表現，離散フーリエ変換，高速フーリエ変換，FIRおよびIIRディジタルフィルタ，さらに画像処理の基礎について学ぶ．
３．達成目標等
この授業では，主に以下のような能力を修得することを目標とする．
・離散フーリエ変換および高速フーリエ変換の数学的原理を理解し，変換を行うことができ，周波数領域において信号の性質を説明することができる．
・ディジタルフィルタの動作を理解し，フィルタリングおよび設計を行うことができる．
・MATALBにより高速フーリエ変換，ディジタルフィルタリング，画像処理を実行することができる．
Google Classroom is used for all the class.
Please go to Google Classroom and enter the corresponding class code.
The class code for each class is as follows:
e5shy65 Monday, 2nd class, Takafumi Aoki (Information)
lgjzlwn Tuesday, 3rd class, Eiji Higurashi (Communication)
vcrqg7e Friday, 2nd class, Koichi Ito （Electricity, Electronics, and Medical Engineering)
========
Digital signal processing is a fundamental technique of representation, manipulation, analysis and synthesis, transform and transmission of signals. It has many and important applications in modern digital audio and video, information, communication and scientific data acquisition, etc. This course helps students understand the basic concept of digital signal processing, analysis and synthesis of signals in the frequency domain, design of digital filters and image processing. This course covers the frequency representation of signal, the discrete Fourier transforms, the fast Fourier transforms, FIR and IIR digital filters, and image processing.
After studying this course students should be able to
*Understand the mathematical principle of the discrete Fourier transforms and the fast Fourier transforms.
*Execute the discrete Fourier transforms and the fast Fourier transforms of digital signals.
*Explain the properties of digital signals in the frequency domain.
*Understand the algorisms of digital filters, execute filtering, and design digital filters.
*Execute the fast Fourier transforms, digital filtering and image processing in MATLAB.
計算社会科学研究でよく用いられる自然言語処理技術の知識と応用能力を習得する。ニューラルネットワーク、単語埋め込み、ファインチューニングなどの概念を学ぶとともに、Word2vecモデルの実装、深層学習による文書分類、大規模言語モデルの応用など実践的な能力を身につける。
This course focuses on the knowledge and techniques that widely applied in computational social science research.
Students will learn concepts, such as h as neural networks, word embeddings, and fine-tuning as well as hands-on application skills such as Word2vec model implementation, deep learning based text classification, and applications of large language models.