シラバス(講義概要)データベース

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
データサイエンス基礎数学第二	2024	後期	金2	理工学研究科博士課程前期課程	渡邉　則生	ワタナベ　ノリオ	1年次配当	2

科目ナンバー

SG-BM5-7C02

履修条件・関連科目等

確率統計および線形代数の基礎を理解し、ＰＣによる簡単な計算が独力でできることを前提とする。

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

　データサイエンスで重要な役割を果たす行列に関する講義と、その応用である多変量解析についての講義を行う。多変量解析については、主に重回帰分析を扱うが、判別分析、主成分分析などについても触れる。理論だけではなく、実際的な観点からも解説する。また、分析の演習も行う。

科目目的

　データサイエンスの分野で重要な役割を果たす線形代数と、その応用である多変量解析の手法について理解することを目的とする。

到達目標

　行列を通して多変量解析の理論的基礎を理解し、実際のデータ解析ができるような力を身につけることを目標とする。

授業計画と内容

第1回多変量解析とは
第2回回帰分析－回帰モデル
第3回回帰分析－最小２乗法
第4回推定量の良し悪し
第5回多次元確率変数と分散行列
第6回分散行列の性質
第7回回帰分析－推定量の性質
第8回回帰分析の実例
第9回回帰分析－回帰診断
第10回回帰分析－変数選択
第11回回帰分析の実際
第12回重付最小2乗法と最尤法
第13回主成分分析
第14回主成分分析の応用

以上は目安である。また、講義時間内に演習も行う。

授業時間外の学修の内容

その他

授業時間外の学修の内容（その他の内容等）

指示された内容についての予習を行う。また疑問点を持ち越さないように復習をすること。

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

種別	割合（％）	評価基準
平常点	100	演習、授業内で出題するミニレポートによって評価する

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