科目ナンバー

SG-AI5-7A04

履修条件・関連科目等

・線形代数と微分（偏微分を含む）の基礎をしっかりと身につけていること。
・RもしくはPythonを用いたプログラミングのスキルを十分にもつこと。
・統計学および機械学習の標準的なデータ分析手法のアルゴリズムを深く理解していること。

上に述べた数学に不安のある学生は、下記の書籍を手に取り、自分の弱点を認識し事前に理解に努めること。
Marc Peter Deisenroth, A. Aldo Faisal, Cheng Soon Ong (著), 木下 慶紀 (監修, 翻訳) 「機械学習のための数学 」 (共立出版、2024/11/11、ISBN 978-4320125810)

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

データサイエンス論文研修第三に引き続き文献の輪読を進めるほか、自身の修士論文の進捗について報告し、ディスカッションを通じ論文を仕上げていく。発表の際はレジュメを用意してもらう。あわせて、欧米のデータサイエンスの動向に関する英語の解説記事を輪読する。

科目目的

最新の論文から得られる専門的知識と、研究遂行の過程で得られる実践的な知識とを融合させ、自立した研究者と高度の専門的職業人の養成を目的とする。

到達目標

・以下の二つを目標とする。
(1) 特定の研究分野について、最新情報を熟知するとともに、その研究分野の将来について十分な見識を持つ。
(2) 研究を通じて新規な発見・発明を行い、その成果を論文としてまとめる。

授業計画と内容

各研究室単位で実施するものとする。具体的な授業計画は以下の通り。

第１回　イントロダクション、論文研修第四について
第２回　プレゼンテーション技法
第３回　教員による論文紹介
第４回　学生による論文紹介
第５回　研究指導①
第６回　研究指導②
第７回　ゼミによる発表・討論①
第８回　ゼミによる発表・討論②
第９回　修士論文発表①
第10回　修士論文発表②
第11回　修士論文発表③
第12回　修士論文発表に対する質疑応答①
第13回　修士論文発表に対する質疑応答②
第14回　修士論文発表に対するまとめ

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／その他

授業時間外の学修の内容（その他の内容等）

主体的さらには自立的に参考文献を検索し、読破してコンピタンスを高める努力を行うことが必要である。あわせて、参考文献を参考に自立的にプログラミングを行い、結果を検証することを繰り返すことで、プログラミングのスキルを常に高めることも求められる。

授業時間外の学修に必要な時間数／週

・学位論文の作成等に対して専門分野に関する必要な研究指導を行うことを基本とします。

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／その他

課題や試験のフィードバック方法（その他の内容等）

メールやSlackを用いた指導も併用する。オフィスアワーをほぼ週一で設け、随時、質問や相談に対応する。

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／ディスカッション、ディベート／プレゼンテーション

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

授業の中で適宜指示する。

その他特記事項

参考URL

https://researchmap.jp/matrix/

https://www.ism.ac.jp/~higuchi/