科目名
(英語名) |
応用統計学a 【A1】
() |
| 担当教員 |
西村 まどか |
| 開講時期 |
秋学期 |
| 科目ナンバー |
|
| 授業コード |
1358 |
| 単位 |
1 |
| 授業概要 |
機械学習の前提知識に必要なスキルをコンピュータを用いて身につける。 |
| 到達目標 |
機械学習の関係する科目で指定された教科書の統計用語を理解し、プログラムを組み、データの適切さが議論できる。 |
| スキルの育成方法 |
データの変換方法、データの取扱い、正しいグラフの選び方等が理解できることにより、読解力、情報収集力、論理的思考力を身につける。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | イントロダクション | [事後] データについての予習 (2 時間) |
| 2 | データの大きさと変数の種類 | [事後] 1次元データとその視覚化の予習 2 時間 |
| 3 | 1次元データの視覚化 | [事後] 2次元データとその視覚化について 2 時間 |
| 4 | 2次元データの視覚化 | [事後] 推測統計の予習 (2時間) |
| 5 | 推測統計入門 | [事前] 統計推測のレポート作成 (2時間) |
| 6 | まとめ | [事前] 発表準備 2 時間 |
| 7 | ふりかえり | [事後] 後継科目へのつなぎ方を考える(1時間) |
| 8 | | |
| 9 | | |
| 10 | | |
| 11 | | |
| 12 | | |
| 13 | | |
| 14 | | |
受講者の事前知識と進度により適宜変更する。
|
| 成績評価基準 |
毎回の課題(30%)、受講態度(20%)、課題に関する質疑応答(30%)、最終レポート(20%, A4 ２枚 2000字程度, 講義内容をまとめたもの) |
| 前提科目 |
統計学、数学、物理学、データサイエンス入門、 基礎プログラミングI, II |
| 後継科目 |
応用統計学b |
| 教科書 |
統計学入門 (基礎統計学 I ) 東京大学教養学部統計学教室 東京大学出版会 ISBN978-4130420655 |
| 参考書 |
確かな力がつくPython「超」入門 鎌田正浩 SBクリエイティブ ISBN978-4-7973-8440-6 |
| その他・注意事項 |
毎回課題提出がある。次回の項目の理解のため予習および復習、グループ内での自主的な準備を求める。講義前に講義ノートで指定するソフトウェアを計算機にインストールして準備すること。
|