科目ナンバー

SG-AI5-RC21

履修条件・関連科目等

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

データを科学するための統計学の基礎的な方法論と，それに基づいた機械学習などの基礎原理，さらに実践的なデータ解析手法について学ぶ．これによりデータを解析するというに行為に関する深い理解を得ることが目標である．より具体的には，データと確率分布の関係やそれを通じた各種推定原理の学習から始めて，統計量や検定の実践的適用法，基礎的だがよく使われる機械学習手法，クラスタリング手法の原理と実践的適用法を習得する．特にPython言語によるアルゴリズムの使い方を説明するのでPython言語が自習できることが望ましい．

科目目的

データサイエンス(data science) とは，データを用いて新たな科学的および社会に有益な知見を引き出そうとするアプローチのことであり，その中ではデータを扱う情報科学および統計学の手法とアルゴリズムなどが横断的に扱われる．そのための基礎的な原理と方法についてしっかりと学ぶ．

到達目標

データとは何かを理解し，データを科学するための統計学と情報科学の基礎的な方法論や原理を理解する．さらにそれらに基づいた基礎的な統計解析や機械学習の原理と手法を学び，実際のデータ解析に適用する際の留意点を含め実践的なデータ解析の基礎を習得する．

授業計画と内容

[1] データとは何か？
[2] 統計学の基本的枠組みと確率分布
[3] 確率分布からの標本データの生成
[4] 標本データからの統計量の推定
[5] 統計量推定の実践的適用
[6] 実践的統計検定
[7] 確率分布のノンパラメトリック推定
[8] 最尤推定とベイズ推定
[9] 確率分布のパラメトリック推定と最適化
[10] ビッグ＆スモールデータからのブートストラップ推定
[11] データ生成過程と確率分布の関係および最尤推定による回帰モデリングと性能評価
[12] 回帰モデリングへのベイズ推定の導入と変数選択
[13] 最尤推定とベイズ推定のニューラルネットワーク学習への適用
[14] 実践的クラスタリング，まとめ

授業時間外の学修の内容

指定したテキストやレジュメを事前に読み込むこと

授業時間外の学修の内容（その他の内容等）

配布資料の復習・予習を十分行うこと．

授業時間外の学修に必要な時間数／週

・毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

課題レポートと授業への参加状況を中心に評価する．

課題や試験のフィードバック方法

授業時間内で講評・解説の時間を設ける

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

実施しない

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

実施しない

授業におけるICTの活用方法（その他の内容等）

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

授業でテキストを使用せずに、レジュメ等の配布資料による．

その他特記事項

参考URL