検索したい科目／教員名／キーワードを入力し「検索開始｣ボタンをクリックしてください。
※教員名では姓と名の間に１文字スペースを入れずに、検索してください。
データ科学１
| 令和元年度以前入学者 | データ科学１ | ||||
|---|---|---|---|---|---|
| 平成28年度以前入学者 | 情報学要論１ | ||||
| 教員名 | 尾崎知伸 | ||||
| 単位数 | 2 | 学年 | 2 | 開講区分 | 文理学部 |
| 科目群 | 情報科学科 | ||||
| 学期 | 後期 | 履修区分 | 選択必修 | ||
| 授業の形態 | 主として同時双⽅向型授業（Zoomによるライブ中継） Blackboard ID : 20203225 |
|---|---|
| 授業概要 | データ科学・データ分析の基礎的な手法（統計，回帰分析，パターン認識）に関して講義を行う |
| 授業のねらい・到達目標 | 対象とする要素技術の基本的な考え方を理解し，説明できる． 分析ツールを用い，データの整形，手法の適用，結果の検証を含めた一連の分析ができる． この科目は文理学部(学士(理学))のディプロマポリシーDP6及びカリキュラムポリシーCP9に対応している。 |
| 授業の方法 | 電子資料を用いた講義形式を中心とし，随時，分析ツールを用いた演習を行う. 提出されたレポートについては，その採点結果を開示する．また特に優れたレポートを紹介する． |
| 履修条件 | 「離散数学」と「確率論」を履修していることが望ましい |
| 授業計画 | |
|---|---|
| 1 |
ガイダンス（授業のテーマや到達目標及び授業の方法について説明する） 統計：記述統計(1)データの集計と視覚化 【事前学習】シラバスを事前に確認する. 当該分野に関する簡単な調査を行う （2時間） 【事後学習】尺度や質的・量的データの集計方法とその考え方を中心に復習をする （2時間） |
| 2 |
統計：記述統計(2)基本統計量
【事前学習】基本統計量に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】各種統計量の考え方と実際の計算方法を中心に復習をする （2時間） |
| 3 |
統計：推計統計(1)標本と母集団，確率分布
【事前学習】推計統計量に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】確率変数の考え方と代表的な確率分布を中心に復習をする （2時間） |
| 4 |
統計：推計統計(2)推定
【事前学習】推定に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】点推定と区間推定の考え方と具体的な計算方法を中心に復習をする （2時間） |
| 5 |
統計：推計統計(3)検定
【事前学習】検定に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】統計的検定の基礎的な考え方と種々の検定方法を中心に復習をする （2時間） |
| 6 |
統計：第1回～第5回までの復習・演習・解説を行い授業の理解を深める 配布資料を確認する 【事前学習】第1回～第5回を振り返り，内容の整理を行う （2時間） 【事後学習】第1回～第5回の内容に関するレポートに取り組む （2時間） |
| 7 |
回帰分析：単回帰分析
【事前学習】単回帰分析に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】回帰分析の基本的な考え方と単回帰分析手法を中心に復習をする （2時間） |
| 8 |
回帰分析：重回帰分析
【事前学習】重回帰分析に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】重回帰分析手法とダミー変数の考え方，利用方法を中心に復習する （2時間） |
| 9 |
回帰分析：モデルの評価と検定
【事前学習】モデル評価に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】モデル評価の背景にある考え方を中心に復習する （2時間） |
| 10 |
回帰分析：第7回～第9回までの復習・演習・解説を行い授業の理解を深める
【事前学習】第7回～第9回を振り返り，内容の整理を行う （2時間） 【事後学習】第7回～第9回の内容に関するレポートに取り組む （2時間） |
| 11 |
パターン認識：導入とK-近傍法
【事前学習】パターン認識に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】パターン認識のフローとK-近傍法の考え方を中心に復習する （2時間） |
| 12 |
パターン認識：モデルの評価と検定
【事前学習】モデルの評価・検定に関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】モデル評価の考え方と特徴抽出手法を中心に復習する （2時間） |
| 13 |
パターン認識：その他のモデル
【事前学習】パターン認識に関する種々のモデルに関する配布資料を通読し，内容を簡単にまとめる （2時間） 【事後学習】各モデルの考え方と特徴・相違点を中心に復習する （2時間） |
| 14 |
パターン認識：第11回～第13回までの復習・演習・解説を行い授業の理解を深める
【事前学習】第11回～第13回を振り返り，内容の整理を行う （2時間） 【事後学習】第11回～第13回の内容に関するレポートに取り組む （2時間） |
| 15 |
発展的な話題の提供とこれまでの復習・解説を行い授業の理解を深める
【事前学習】これまでの学修内容を振り返り，内容の整理を行う （2時間） 【事後学習】これまでの学修内容を振り返り，どの様な発展が考えられるか考察する （2時間） |
| その他 | |
|---|---|
| 教科書 | なし（電子資料配布） |
| 参考書 | Peter Bruce，Andrew Bruce（著），黒川 利明（訳），大橋 真也（技術監修） 『データサイエンスのための統計学入門 ――予測，分類，統計モデリング，統計的機械学習とRプログラミング』 オライリー・ジャパン 2018年 須子 統太， 鈴木 誠，浮田 善文，小林 学，後藤 正幸 『IT Text 確率統計学』 オーム社 2010年 平井 有三 『はじめてのパターン認識』 森北出版 2012年 その他の参考書に関しては，授業中に指示する |
| 成績評価の方法及び基準 | レポート:統計，回帰分析，パターン認識それぞれに関する実験レポートと授業内容の振り返りレポートを用いて評価する．(60%)、授業参画度:講義中に行う実習・演習の成果により評価する．(40%) ・期末試験未受験，レポート未提出の場合はE判定とする |
| オフィスアワー | 質問等は随時を受け付ける．原則，事前にメール等でアポイントをとること |