科目名
(英語名) |
__科目名__
(__科目名(英語)__) |
| 担当教員 |
西村 まどか |
| 開講時期 |
__開講時期__ |
| 科目ナンバー |
__科目ナンバー__ |
| 授業コード |
1317 |
| 単位 |
__単位__ |
| 授業概要 |
代数幾何と数値計算を行った解析学, 統計学を基礎とした機械学習のモデルに関するコーディングを行い、データの分析には適切な手法があることを学ぶ \n \n |
| 到達目標 |
各方面での統計手法において機械学習が重要な理論の基礎になりつつあることが理解できる |
| スキルの育成方法 |
ビッグデータの解析手法や数式表現における解析のポイントを理解することにより、論理的思考力、課題発見力、問題解決力を身につける |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | Jupyter Notebook の基本的な使い方, 必要なライブラリの設定方法 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 2 | データの記述と可視化, 標本調査 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 3 | パラメトリック統計モデルと検定 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 4 | パラメタ推定 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 5 | 検定と AICによるモデル選択 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 6 | 正則化法と Bayes モデリング | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 時間) |
| 7 | まとめと解説 | [事後] 課題作成(ノートのまとめと証明問題への取り組み) (2 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 |
コメント(2割), レポート提出(２割), レポートの内容(4割), 最終点検(2割) |
| 前提科目 |
経営工学a, b, データサイエンス入門a, b |
| 後継科目 |
応用統計学b |
| 教科書 |
前処理大全, 本橋智光, 技術評論社, https://gihyo.jp/book/2018/978-4-7741-9647-3 |
| 参考書 |
機械学習を解釈する技術, 森下, 技術評論社, https://gihyo.jp/book/2021/978-4-297-12226-3 |
| その他・注意事項 |
本学の環境では実行不可能であるため自分の PC を用いて作業を行う。シンプルな PC やタブレットでは能力が足りず、図表が出現しないことがある。提出物は全て提出することが原則となる。
|