この科目を履修するためには、確率論基礎(MCS.T212)と数理統計学(MCS.T223)を履修していることが必要です。この科目は主として3年生以上のかたのための講義です。確率論と数理統計学を基盤としてデータ解析の仕組みと応用を紹介します。
確率論と数理統計学に基づいてデータ解析の基礎を学び理解しましょう。
確率論と数理統計学を学んでいる必要がある、主として3年生以上のための講義である、数学の大切さを理解する
✔ 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) |
✔ この分野は、現在も発展し続けていますので、社会に出てからも学び続けることをお勧めします。 |
データ解析の方法を紹介し、その数理的な基礎を説明し、実問題への応用法を述べます。
授業計画 | 課題 | |
---|---|---|
第1回 | 統計モデルは真ではない | 統計モデルはツールに過ぎず、真の分布ではないことを理解する |
第2回 | 回帰分析と階層神経回路網 | 回帰分析が使えるようになる。神経回路網を理解する。 |
第3回 | 回帰分析と階層神経回路網 | 回帰分析が使えるようになる。神経回路網を理解する。 |
第4回 | クラス識別問題 | クラス識別問題が扱えるようになる。 |
第5回 | 主成分分析とオートエンコーダー | 主成分分析、オートエンコーダーが使えるようになる。 |
第6回 | 潜在変数の推定法 | 潜在変数解析が使えるようになる |
第7回 | 時系列の基礎 | 時系列の基礎を理解する |
第8回 | 時系列予測、畳み込みニューラルネットワーク | 時系列予測、畳み込みニューラルネットワークが使えるようになる。 |
第9回 | ベイズ法 | モデルと事前分布の現代的な意味を理解する |
第10回 | ベイズ法とその評価 | ベイズ法が使えるようになる。汎化損失と学習損失が理解できる。 |
第11回 | 情報量規準と交差検証 | 情報量規準と交差検証を理解する。 |
第12回 | 周辺尤度 | 周辺尤度を理解する |
第13回 | 統計的因果推論 | 統計的因果推論を理解する |
第14回 | 統計的因果推論(2) | 統計的因果推論を理解する |
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。
確率論基礎(MCS.T212)と数理統計学(MCS.T223) を復習してください。確率論と数理統計学は、あなたが社会に出てから、より一層に重要になります。
レポートによる。
この科目を履修するためには、「確率論基礎(MCS.T212)」と「数理統計学(MCS.T223)」を履修していることが必要です。また「ルベーグ積分論(MCS.T304)」も履修していることが望ましいです。
この科目を履修するためには、確率論基礎(MCS.T212)と数理統計学(MCS.T223)を履修していることが必要です。この科目は、主に学部3年生以上のかたを想定した科目になります。