科目ナンバー

GI-SA1-IT07

履修条件・関連科目等

1年次配当「プログラミングのための数学」の内容を十分に理解していること。

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

　機械学習やビッグデータ分析の基礎は、大量のデータからいかに意味のある知見を抽出するかにあり、その根本的な原理は従来からの統計学に依拠している。その他、『客観的な評価をする』という場面において統計学の知識が不可欠である。統計学の基礎として、一変量・二変量の記述統計、確率と確率分布、統計的検定の考え方について学ぶ。
　授業は講義形式で実施する。必要に応じて、統計検定3級の問題を用いた演習も取り上げる。また、適宜`Pythonを用いたコンピュータ実習を併用する。

科目目的

本授業では現代のビッグデータや機械学習などの情報技術の基礎として、統計学的考え方を理解することを目的とする。

到達目標

第1到達目標：代表的な統計処理を理解する
第2到達目標：実データと対応付けて統計処理を実践できるようになる

授業計画と内容

第１回 ： 統計学とは何か、Google Colabの準備
第２回 ： Python入門、データの読み込み・可視化
第３回 ： 基本的な統計量（1変量データ）
第４回 ： 基本的な統計量（2変量データ）
第５回 ： 確率と確率変数
第６回 ： 主要な確率分布（離散分布）
第７回 ： 主要な確率分布（連続分布）
第８回 ： 母数の推定（母集団と標本、不偏推定量）
第９回 ： 区間推定
第10回： 仮説検定（基本的な考え方、母平均の検定）
第11回： 仮説検定（母平均の差の検定）
第12回： 総合演習（Python中心）
第13回： 総合演習（手計算中心）
第14回： まとめ（授業内試験と解説で理解を深める）

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／授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

【事前学習】授業資料を事前に読み込み、授業内容を理解するのに必要な基礎知識を自ら学んでおくこと。
【事後学習】板書を写したものを見返したり、授業内に扱った演習問題を解き直したりすることにより、理解を深め、試験問題を解けるようにしておくこと。

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。

成績評価の方法・基準

成績評価の方法・基準（備考）

授業ごとのミニ課題などの提出状況が悪い場合は、減点の対象となる。

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

その他

授業におけるICTの活用方法（その他の内容等）

受講者が所有するPCを持参し、授業内演習に活用する。
Google Colabが動く環境であることを必須とする。
OSは問わないが、タブレットやスマートフォンは不可とする。

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

教科書：尾畑伸明、荒木由布子：Pythonで学ぶ確率統計、共立出版
（原則として初回授業までに購入すること）

その他特記事項

参考URL