すべての分野において計算とデータの活用が欠かせない時代になってきている.本講義では,理工系の研究者・技術者として活躍していくために重要となる,大量のデータをコンピュータを利用して解析し,利用するための基礎的な方法に関する演習を行う.本講義のねらいは,コンピュータ・ソフトウェアを用いてデータを処理・分析し,そこから重要な知見得る基礎技術を身に付けさせることである.
コンピュータによるデータの処理の基本を理解し,統計学的分析のためのコンピュータ・ソフトウェアを適切に利用できるようになること
分類,回帰,クラスタリング,次元圧縮,訓練誤差と汎化誤差,交差検証
✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
講義と演習を交互に行いながら授業を進める.講義内容に続き,関連したプログラミング演習を行う.
授業計画 | 課題 | |
---|---|---|
第1回 | ガイダンス | 授業計画の説明.使用する計算機環境,プログラミング言語(Python)について学ぶ. |
第2回 | 前提学力確認テスト | 履修に必要となる数学的事項,Python 言語などに関する知識についてテストする. |
第3回 | データ分析の基礎 | 統計学,データサイエンスの基礎について学ぶ |
第4回 | 計算環境の整備と活用 | データ分析の基盤であるGoogle Colaboratoryや、Pythonおよびそのライブラリについて学ぶ. |
第5回 | 分類とモデル評価 | ラベルのついたデータから判別規則を抽出する手法について学ぶ.訓練誤差と汎化誤差の違い,モデル評価の方法について学ぶ. |
第6回 | 分類 | ラベルのついたデータから判別規則を抽出する手法について演習を行う |
第7回 | クラスタリング | ラベルのないデータをいくつかのクラスに分ける方法について学ぶ |
第8回 | クラスタリング | ラベルのないデータをいくつかのクラスに分ける方法について演習を行う |
第9回 | 主成分分析 | 主成分分析とその背後にある数理について学ぶ |
第10回 | 主成分分析 | 主成分分析について演習を行う |
第11回 | 次元圧縮 | 多次元尺度構成法,正準相関分析など多変量解析における次元圧縮の手法を学ぶ. |
第12回 | 次元圧縮 | 多次元尺度構成法,正準相関分析など多変量解析における次元圧縮の手法について演習を行う |
第13回 | 発展的トピック | アンサンブル学習の手法について学ぶ. |
第14回 | 発展的トピック | アンサンブル学習の手法について演習を行う |
第15回 | 総合討論 | 様々な分野でのデータ分析の活用法について議論する |
特になし.
OCW-i にて電子的に配布する
授業内での小テスト/レポートにもとづいて評価する
線形代数学,微分積分学,数理統計学に関する基本的な知識があることが望ましい.
本授業科目は、TAC-MI登録学生対象科目です。今年度はTAC-MI登録学生限定とします。XCO.T487 : 基盤データサイエンスとXCO.T488 : 基盤データサイエンス演習を合わせたものと同一内容になっております。Google Colaboratory を使って演習を行います.第1回目までに各自 Google アカウントを取得し,Google Drive でのファイルアップロード/ダウンロードができるようにしておくことが望ましい。12/6は休講です。