| 科目名[英文名] | |||||
| データサイエンス概論 [Outline of Data Science] | |||||
| 区分 | 選択必修 | 単位数 | 1 | ||
| 対象学科等 | 対象年次 | ～ | 開講時期 | 3学期 | |
| 授業形態 | 3学期 | 時間割番号 | WISE1003 | ||
| 責任教員 [ローマ字表記] | |||||
| 近藤 敏之 [KONDO Toshiyuki] | |||||
| 所属 | 工学部 | 研究室 | メールアドレス | ||
| 概要 |
| 計測機器や通信技術の飛躍的進展により，自然現象から人間の社会的活動に至るまで，様々な領域で膨大なデータを得ることができるようになった．これら膨大なデータから価値ある情報を抽出する方法論を体系化したものがデータサイエンスであり，その関連分野は，数理統計学，情報科学，機械学習，情報可視化など多岐に渡る．本講義では，データサイエンスの初学者が，データの前処理から，機械学習（教師なし学習，教師あり学習）の基礎までを一通り外観することでデータサイエンスの方法論を学ぶことを目的とする．また，日々進化し続けるデータサイエンス技術に関心を向けるため，最新の機械学習技術の動向についても紹介する． |
| 到達基準 |
|
- データサイエンスの基礎について理解している． - 基礎的な機械学習の方法（教師なし学習，教師あり学習）について理解している． 履修案内のカリキュラムマップを参照すること |
| 授業内容 |
|
第１回 イントロダクション：データサイエンスと機械学習 第２回〜第３回 データサイエンスの基礎：データの前処理 第４回 教師なし学習：クラスタリング，次元圧縮 第５回 教師あり学習：サポートベクターマシン，決定木 第６回 教師あり学習：ニューラルネットワーク 第7回 教師あり学習：深層学習 第8回 データサイエンスの現状と未来 |
| 履修条件・関連項目 |
|
- 卓越大学院プログラム生であること． - 線形代数，数理統計学の基礎を修得していること． - 授業時間30時間に加え，本学の標準時間数に準ずる予習と復習を行うこと． |
| テキスト・教科書 |
| 適宜配布する． |
| 参考書 |
| 適宜配布する． |
| 成績評価の方法 |
| 講義におけるミニテストと期末レポート課題の成績により総合的に評価する． |
| 教員から一言 |
| データサイエンスの基礎を修得し，実際の研究に役立ててください． |
| キーワード |
| データ処理，機械学習 |
| オフィスアワー |
| 質問はメールで随時対応する． |
| 備考１ |
| 備考２ |
| 参照ホームページ |
| 開講言語 |
| 英語 |
| 語学学習科目 |
| 更新日付 |
| 2019/10/04 9:41:11 |