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 |
3502 |
| 単位 |
__単位__ |
| 授業概要 |
Orange Data Mining を用いてデータサイエンスの概要を知る |
| 到達目標 |
機械学習を用いるデータ分析の流れが理解でき、出力される図表の意味を理解できるようになる |
| スキルの育成方法 |
データを読むことにより読解力、操作方法の詳しいことを調べる際には外国語活用能力、また豊富なデータ例を分析する機械学習による手法を身につけることにより情報収集力、論理的思考力、批判的思考力を身につけることができる。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | Orange Data Mining の操作方法(復習) | [事後学習] Python と関連ライブラリの導入 (2時間) |
| 2 | 訓練データとテストデータ | [事後] 課題作成(ノートのまとめと問題への取り組み) (2 時間) |
| 3 | ニューラルネットワークのしくみ | [事後] 課題作成(ノートのまとめと問題への取り組み) (2 時間) |
| 4 | 点推定/区間推定の表現方法 | [事後] 課題作成(ノートのまとめと問題への取り組み) (2 時間) |
| 5 | ベイズ統計的推測 | [事後] 課題作成(ノートのまとめと問題への取り組み) (2 時間) |
| 6 | テキスト分析 | [事後] 課題作成(ノートのまとめと問題への取り組み) (2 時間) |
| 7 | まとめ | [事前] 課題作成(ノートのまとめと問題への取り組み) (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 |
授業態度 20%, 電子レポート提出 40%, 演習問題 40% |
| 前提科目 |
データサイエンス入門a |
| 後継科目 |
|
| 教科書 |
データサイエンスの基礎, 濵田悦生, 講談社, https://bookclub.kodansha.co.jp/product?item=0000321897 |
| 参考書 |
現場で使える Python 科学技術計算入門, かくあき, https://www.shoeisha.co.jp/book/detail/9784798163741 |
| その他・注意事項 |
Anaconda 上にある Orange Data Mining が使用可能な OS を搭載した PC を持参すること。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。 データサイエンスa とは講義内容は独立だが、設定等は全てデータサイエンス a で終了している場合のみ受講するべきである。提出物は全て出すことが前提である。
|