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 |
1318 |
| 単位 |
__単位__ |
| 授業概要 |
PC を用いてデータ分析手法におけるコーディングの外観を知る |
| 到達目標 |
自分の PC でデータを分析し、レポートなどを作成する際に効果的なビジュアライズの手法を適切に選び、その操作方法を身につけることができている |
| スキルの育成方法 |
データの表現方法の違いによる見せ方の印象を知ることにより、論理的思考力、柔軟性、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 | [応用統計学a の復習] Anaconda, Jupyter Notebook の使い方, 必要なライブラリの設定, 基本的な操作方法 | [事前] 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 | 一般線形化モデル | [事前] 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 | 非線形モデリング | [事前] 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 | モデル評価指標 | [事前] 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 | 交差検証 | [事前] 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 | 分布の推定 | [事前] 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 | [事前] 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 |
データ分析手法a |
| 後継科目 |
応用数学, 機械学習, データ分析手法 |
| 教科書 |
Python によるデータ分析の教科書, 寺田学 他, 翔泳社, https://www.shoeisha.co.jp/book/detail/9784798158341 |
| 参考書 |
現場で使える pandasデータ前処理入門 機械学習データサイエンスで役立つ前処理手法, 株式会社ロンバート, 翔泳社,https://www.shoeisha.co.jp/book/detail/9784798160672 |
| その他・注意事項 |
Anaconda が使用可能な OS を搭載した PC を持参するか、自力でタブレットで python を構築することができる場合に履修ができる。全ての提出物を出すことが原則として単位取得には必要である。 全ての提出物を提出することが単位取得の条件となる。
|