2020年度 基盤データサイエンス   Fundamentals of data science

文字サイズ 

アップデートお知らせメールへ登録 お気に入り講義リストに追加
開講元
情報理工学院
担当教員名
伊藤 武彦  山下 幸彦  Sergei Manzhos  KELLY SHANE ANDREW  村田 剛志  新田 克己 
授業形態
講義
メディア利用
 
曜日・時限(講義室)
火5-6(Zoom)  
クラス
-
科目コード
XCO.T487
単位数
1
開講年度
2020年度
開講クォーター
4Q
シラバス更新日
2020年9月29日
講義資料更新日
-
使用言語
日本語
アクセスランキング
media

講義の概要とねらい

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を教授する.本講義のねらいは,データを処理し分析するために必要な,統計学的方法に関する基礎知識を身につけさせることである.

到達目標

統計学の基礎知識を用いてデータ分析を適切に行い,その意味を客観的に評価できるようになること

キーワード

分類,クラスタリング,次元圧縮,訓練誤差と汎化誤差,交差検証

学生が身につける力(ディグリー・ポリシー)

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)

授業の進め方

TV会議システムを利用し,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

  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 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3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4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5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6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7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8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

授業時間外学修(予習・復習等)

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。

教科書

特になし.

参考書、講義資料等

OCW-i にて電子的に配布する

成績評価の基準及び方法

授業内での小テスト/レポートにもとづいて評価する

関連する科目

  • XCO.T488 : 基盤データサイエンス演習
  • XCO.T483 : 応用AI・データサイエンスA
  • XCO.T484 : FinTechとデータサイエンス
  • XCO.T485 : 応用AI・データサイエンスC
  • XCO.T486 : 応用AI・データサイエンスD
  • XCO.T489 : 基盤人工知能
  • XCO.T490 : 基盤人工知能演習

履修の条件(知識・技能・履修済科目等)

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.

このページのトップへ