現在,計算とデータの利活用がさまざまな分野において求められています.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,計算機を利用してデータを解析・利活用するための方法を教授します.本講義は,基盤データサイエンス(発展)で扱えなかった発展的な内容を扱います.
計算機を利用してデータを解析して,利活用するための方法について理解する.
ベイジアンネットワーク(確率推論モデル),変分ベイズ,時系列解析,異常検知,シミュレーション,知識グラフ
✔ 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) |
ZOOMを利用し,大岡山とすずかけ台いずれのキャンパスでも受講できるようにする.
授業計画 | 課題 | |
---|---|---|
第1回 | ベイジアンネットワーク(確率推論モデル) | ビッグデータからベイジアンネットを構築して実社会の現象の予測やシミュレーションのために確率推論を行う仕組みやアルゴリズムを理解する. |
第2回 | 変分ベイズ | 変分ベイズのアルゴリズムとDNNへの応用について理解する. |
第3回 | 時系列解析 | 時間の経過に伴うデータの変化やパターンを分析するための手法を理解する. |
第4回 | 異常検知 | データセット中で通常の振舞いから外れる異常な振舞いを自動的に識別するための手法について理解する. |
第5回 | シミュレーションとAI | シミュレーションとAIの融合について方法と事例について理解する. |
第6回 | 知識グラフ | 知識グラフの概要とその応用方法を理解する |
第7回 | 最先端研究へのDSAI技術の応用 | 新しい機能性材料を発見するマテリアルズインフォマティクス,機械学習によるモデリング手法の改善,MLを利用した再生可能エネルギー システム管理など物理科学と再生可能エネルギー技術における機械学習とデータ駆動型技術の厳選されたアプリケーションについて理解する. |
学修効果を上げるため,教科書や配布資料等の該当箇所を参照し,「毎授業」授業内容に関する 予習と復習(課題含む)をそれぞれ概ね100分を目安に行うこと。
特になし
T2SCHOLAにて電子的に配布する
授業内での課題とレポート,および,発展的課題レポートに基づいて評価する
- 修士課程の方は先端データサイエンス・AI第二(DSA.A502)を受講すること。
- 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.
- 基盤データサイエンスまたは基盤データサイエンス発展,および,基盤データサイエンス演習または基盤データサイエンス発展演習で教えている内容が理解できること.