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 |
1458 |
| 単位 |
__単位__ |
| 授業概要 |
データサイエンスによる解析と応用例を Orange Data Mining を使用しながらデータ解析の流れを知る |
| 到達目標 |
データサイエンスに使われる技術や手法の代表例を知ることで分野ごとに使われるデータ解析例へ繋げることができる |
| スキルの育成方法 |
毎回の講義に関連したレポートをまとめることで批判的思考力, 論理的思考力, 情報収集力, 課題発見力, 問題解決力を育成する。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 社会で起きている変化 | [事後] 今回のテーマのまとめ(2時間) |
| 2 | データリテラシー | [事後] 今回のテーマのまとめ(2時間) |
| 3 | データ / AI 利活用における留意事項 | [事後] 今回のテーマのまとめ(2時間) |
| 4 | 機械学習の基礎概念 | [事後] 今回のテーマのまとめ(2時間) |
| 5 | 予測回帰モデルの学習 | [事後] 今回のテーマのまとめ(2時間) |
| 6 | 分類学習 | [事後] 今回のテーマのまとめ(2時間) |
| 7 | 欠損データの補完 | [事後] 今回のテーマのまとめ(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 2 割, レポート提出 4 割, 課題の出来栄え 4 割 |
| 前提科目 |
数学, 統計学, 情報リテラシー, データリテラシー |
| 後継科目 |
(同時履修) データ分析入門a, データ分析入門b, 経営工学a, 経営工学b\n機械学習入門a, 機械学習入門b |
| 教科書 |
機械学習スタートアップシリーズ ベイズ推論による機械学習入門, 須山敦志, 講談社, 4061538322. |
| 参考書 |
Orange Data Miningではじめるマテリアルズインフォマティクス, 日野, 近代科学社, https://www.kindaikagaku.co.jp/book_list/detail/9784764906310/, ISBN9784764906310, \n現代数理統計学の基礎, 久保川達也, 共立出版, ISBN978-4-320-11166-0.\nこれならわかる機械学習入門, 富谷明夫, 講談社, https://www.kspub.co.jp/book/detail/5225493.html, ISBN: 978-4-06-522549-3. \n教養としてのデータサイエンス, 北川 他編, 講談社 , ISBN978-4-06-523809-7. |
| その他・注意事項 |
講義はリモート対応を行う。毎回レポートの提出及び出席管理は電子的な手法で行う。操作方法は提供する URL にアクセスし設定を自分で行うこと。このため、初回に持参するものは、板書を取るノート, 筆記用具および学内からアクセスできる携帯電話, あらかじめ Anaconda をインストールした Windows PC または MacBook が必要である。また、手書きでレポートを提出する場合にはさらに USB メモリ等の環境整備が必要である。
|