西田 健次

情報入門

• 必修
• 前期・後期
• 1年次

学ぶこと

本学部の基礎となる、情報システム、情報のデジタル化、ネットワーク、セキュリティ、データ活用、モデル化、アルゴリズムの分野について学ぶ。情報システムの仕組み、画像や音声等をシステム内部で扱うときのデジタル表現、インターネットの仕組みや情報セキュリティの重要性を理解し、現代社会でデジタル技術がどのように使われているかを考える。さらに、データを集めて分析する方法や、実際の問題を解決するためにシミュレーションを活用する方法を学ぶ。そして、プログラミングに必要なアルゴリズムの作り方や使い方を学ぶ。

一緒に担当: 正畑 康郎、坂根 広史、山下 一郎

データサイエンス入門

• 必修
• 前期・後期
• 1年次

学ぶこと

データサイエンスの基本から応用まで学ぶ。初めに、類似性と距離の測定、確率論と統計の基礎を通じてデータ解析の能力を養う。次に、ベイズ推定、パラメトリック・ノンパラメトリック学習、機械学習アルゴリズム（線形モデル、サポートベクターマシン、決定木、ランダムフォレスト）、ニューラルネットワークとディープラーニングへと進む。 さらに、クラスタリング、次元削減、時系列解析を学び、深層学習による応用事例に焦点を当てる。

データサイエンス基礎

• 選択
• 前期・後期
• 2年次

学ぶこと

この授業では、データの種類、データの前処理などのデータサイエンスの基礎理論、統計量、確率分布などのデータ可視化、データの持つ性質（統計量）に基づく分析、機械学習の基本的な枠組みについて取り扱う。プログラミングやプロジェクト管理を含まず、データサイエンスの基礎的な概念と手法に焦点を当てた初心者向けの授業である。学生は、この授業によってデータ駆動型の意思決定プロセスについての基礎的な知識を身につけることができる。

電気回路

• 選択
• 前期・後期
• 2年次

学ぶこと

電気工学における電気回路理論の基礎から応用までを網羅的に学ぶためのものである。始めに、電気の四大基本量（電荷、電流、電圧、抵抗）を理解し、これらがどのように相互作用するかをオームの法則とキルヒホッフの法則を通じて探る。直列回路と並列回路の動作原理から進み、交流回路の概念を深め、フェーザー法による解析技術を修得する。キャパシタとインダクタの働きを学び、RLC（抵抗、インダクタ、キャパシタ）回路が示す共振現象を解析することで、電気回路の動的な振る舞いについての理解を深める。さらに、電気回路の設計と解析に不可欠な変成器の原理、逆回路、定抵抗回路の概念を扱い、テブナンの定理、ノートンの定理をはじめとする回路簡単化の手法を学ぶ。可逆定理や双対性の理論を通じて、より高度な回路解析のアプローチを修得し、電力とエネルギーの計算方法、最大電力伝送定理の適用により、効率的な電力伝送の理解を深める。

電子回路

• 選択
• 前期・後期
• 2年次

学ぶこと

電子回路を初めて学ぶ方を対象に、基礎から応用設計までを体系的に学ぶことを目的とする。まず、電子回路の概要や信号、能動素子の基礎、増幅の基本概念を学び、半導体の性質やダイオードの動作と応用回路を通じて、能動素子の理解を深める。中盤では、トランジスタ（BJT、MOSFET）の動作と基本増幅回路を学び、MOSFETを用いた増幅回路へと発展する。オペアンプの基礎をFETの後に学ぶことで、演算増幅器を用いた基本回路設計がスムーズに進められる。後半では、フィードバックの基礎やフィルタ回路の設計を学び、信号処理技術を習得する。さらに、発振回路や高周波回路の基礎も取り上げ、電子回路技術を段階的に学ぶ。

画像処理・コンピュータビジョン

• 選択
• 前期・後期
• 3年次

学ぶこと

コンピュータビジョンを体系的に学ぶ。前半は画像処理と動画解析を中心に、画像前処理、エッジ検出、特徴量抽出、セグメンテーション、オプティカルフロー、動画トラッキングなどを学び、基礎技術を修得する。後半は3D再構成技術に焦点を当て、カメラモデルやステレオビジョンの基礎を理解した上で、Structure from Motion (SfM) やSLAMなど最新の技術を取り上げ、3Dポイントクラウド生成や動画を活用した動的シーン再構築を学ぶ。総合演習では、これらの技術を統合し、車載カメラ画像の領域分割、ドローンなどからの三次元再構成などを通じて、現実世界での応用力を高める。PythonやOpenCVを活用した実践的な学習を通じて、画像解析から3D復元までの幅広いスキルを修得することを目的とする。