タイトル

開講年度 開講学部等
2026 大学院創成科学研究科（博士後期）
開講学期 曜日時限 授業形態 AL（アクティブ・ラーニング）ポイント
後期 未定 講義 8.0
時間割番号 科目名[英文名] 使用言語 単位数
4242010300 情報科学特論Ⅷ[Advanced Topics in InformaticsⅧ] 日本語 1
担当教員（責任）[ローマ字表記] メディア授業
酒見　はる香[SAKEMI Haruka] ー
担当教員[ローマ字表記]
酒見　はる香　[SAKEMI Haruka]
特定科目区分   対象学生 令和8年度以降入学者対象 対象年次  
ディプロマ・ポリシーに関わる項目 カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
授業の目的と概要
天文学研究において情報科学的手法の活用は必要不可欠である。本講義では実際に最新の研究で用いられている情報科学的手法を学び、その応用を検討する。
授業の到達目標
天文学データに情報科学的手法を応用する際の限界や注意点について理解し、実際にその応用法を考案できるようになる。
授業計画
【全体】
前半は教科書の輪読を行い天文学データに対する情報科学的手法の適用に関する基礎を学ぶ。
後半は実際の適用例を最新研究から学び、各自で研究テーマと方法を検討し発表する。
項目 内容 授業時間外学習 備考
第1回 オリエンテーション 教科書の指定およびスケジュール確認を行う。また、天文学における情報科学の役割を概観する。 講義内容を復習すること（4時間程度）
第2回 輪読（１）天文観測における統計 S/N、誤差評価、統計的検出と信頼性評価の考え方を理解し、データ解析への適用を学ぶ。 教科書を読み内容を把握すること (4時間程度)
第3回 輪読（２）天文データにおける統計 S/N、誤差評価、統計的検出と信頼性評価の考え方を理解し、データ解析への適用を学ぶ。 教科書を読み内容を把握すること (4時間程度)
第4回 輪読（３）密度推定とクラスタリング 密度推定の代表的手法を理解する。また密度推定とクラスタリングの接続を学ぶ。 教科書を読み内容を把握すること (4時間程度)
第5回 輪読（４）次元解析 高次元データで何が問題になるかを理解する。また代表的な次元解析を学ぶ。 教科書を読み内容を把握すること (4時間程度)
第6回 輪読（５）回帰問題とモデルフィッティング 回帰問題の定式化を理解する。線形・非線形・カーネル・ベイズ的手法まで俯瞰する。正則化・過学習・交差検証の意味を理解する。データの不確実性や外れ値への対処法を整理する。 教科書を読み内容を把握すること (4時間程度)
第7回 輪読（６）分類 分類問題の定式化を理解する。生成モデルと識別モデルの違いを整理する。代表的アルゴリズム (kNN, SVM, 決定木, NN)を俯瞰する。分類器の評価方法を理解する。 教科書を読み内容を把握すること (4時間程度)
第8回 輪読（７）時系列解析 時系列データの基本概念を理解する。周期信号・局所信号・確率過程の違いを理解する。代表的解析手法を俯瞰する。 教科書を読み内容を把握すること (4時間程度)
第9回 研究紹介（１）密度推定とクラスタリング 密度推定とクラスタリングの手法を用いた最新論文のレビューを行う。 論文を読み内容を把握すること (4時間程度)
第10回 研究紹介（２）次元解析 次元解析の手法を用いた最新論文のレビューを行う。 論文を読み内容を把握すること (4時間程度)
第11回 研究紹介（３）回帰問題とモデルフィッティング 回帰とモデルフィッティングの手法を用いた最新論文のレビューを行う。 論文を読み内容を把握すること (4時間程度)
第12回 研究紹介（４）分類 分類の手法を用いた最新論文のレビューを行う。 論文を読み内容を把握すること (4時間程度)
第13回 研究紹介（５）時系列解析 時系列解析の手法を用いた最新論文のレビューを行う。 論文を読み内容を把握すること (4時間程度)
第14回 授業内容のまとめ ここまでの授業内容のまとめを行い、各自の研究テーマへの応用を検討する。 ここまでの授業内容を復習すること (4時間程度)
第15回 研究発表 各自で検討した研究テーマと方法について発表する。 研究テーマや方法について検討すること (4時間程度)
第16回 研究発表 各自で検討した研究テーマと方法について発表する。 研究テーマや方法について検討すること (4時間程度)
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: --%　B: 70%　C: --%　D: 10%
成績評価法
授業への参加度および発表内容で評価する。
教科書にかかわる情報
教科書 書名 Statistics, data mining, and machine learning in astronomy : a practical Python guide for the analysis of survey data ISBN 9780691198309
著者名 ？eljko Ivezi？ ... [et al.] 出版社 Princeton University Press 出版年 2020
備考
参考書にかかわる情報
備考
メッセージ
キーワード
電波天文学、多次元データ、干渉計、フーリエ変換、ノイズと統計、機械学習、逆問題
持続可能な開発目標（SDGs）

関連科目
履修条件
連絡先
理学部本館335 sakemi@yamaguchi-u.ac.jp
オフィスアワー
平日の昼休み (12:00-13:00)

ページの先頭へ