シラバス
| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科など | 担当教員 | 教員カナ氏名 | 配当年次 | 単位数 |
|---|---|---|---|---|---|---|---|---|
| 統計学 | 2024 | 後期 | 月2 | 国際情報学部 | 北原 鉄朗 | キタハラ テツロウ | 1年次配当 | 2 |
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、大量のデータから如何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、1次元・2次元の変数、確率と確率分布、大数の法則、統計的検定の考え方について学び、さらに多変量解析の考え方、パラメトリック/ノンパラメトリック検定、各種の統計的分析手法の基礎についての講義を行う。授業は講義形式で実施し、統計学に関する基礎的な知識の修得を目指す。
なお、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（身近の例を通じて）
第２回 ： 1次元データに対する記述統計
第３回 ： 2次元データに対する記述統計
第４回 ： 記述統計に関するPython演習
第５回 ： 確率と確率変数
第６回 ： 離散確率分布と連続確率分布
第７回 ： 多次元の確率分布
第８回 ： 確率分布に関するPython演習
第９回 ： 推測統計学の考え方
第10回： 推定
第11回： 仮説検定
第12回： 推定・仮説検定に関するPython演習
第13回： 総合演習（第1～13回の内容に関する演習を行う）
第14回： 総まとめ（授業内試験と解説を通じて理解を深める）
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復習しておくこと。
【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
| 種別 | 割合（％） | 評価基準 |
|---|---|---|
| 期末試験（到達度確認） | 70 | 統計学に関する各概念に関する正しい知識があり、計算や論述ができるかどうかによって評価する。 |
| 平常点 | 30 | 授業ごとの課題に対する解答の提出状況などで評価する。 |
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
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や原則不可とする。
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
初回授業時に指示する。