シラバス

シラバス基本情報

更新日時	2023/04/01 3:29:55
科目分類	専門教育科目
時間割コード	T950081
授業科目名	データサイエンスII
授業科目名（英語）
科目コード	T950080
科目ナンバー
主担当教員（所属）	白井　匡人(総合理工学部知能情報デザイン学科)
単位数	4.0
時間数	0.0
履修年次	2年,3年,4年
開講学期	2023年度　前期
曜日・時限	水5,水6,木7,木8
必修／選択／選択必修／自由	選択
履修資格
各種教育プログラム名称	数理・データサイエンス専門プログラム

担当教員一覧

シラバス詳細情報

授業形態

講義・演習

授業の目的

[火曜7・8限]
多変量統計理論を工学的に応用し，データからの知識発見，予測，判断支援等の理論と方法を学びます．

[水曜5・6限]
Pythonを用いて実際のデータを解析することでデータサイエンスの技法を学ぶ。機械学習手法を用いてデータの分類・クラスタリング・予測を行い、結果の評価ができるようになることを目指す。

授業の到達目標

[火曜7・8限]
多変量統計解析を用いた識別，回帰，次元圧縮等の理論を理解し，現実のデータに対して適切に応用し，答えを出す事が出来る様になる事．

[水曜5・6限]
(1)機械学習手法について理解する。
(2)Pythonを用いて実データの解析が行える。
(3)分析結果の評価が行える。

授業の内容および方法

[火曜7・8限]
データサイエンスとは何か
統計的方法の基礎，記述統計と推測統計
統計的方法で出来る事，出来ない事
データの種類と連続関数上の確率の定義
確率密度の推定法
回帰分析
統計的識別の理論と方法
次元圧縮の理論と方法
クラスタリングの理論と方法

[水曜5・6限]
第１回：導入（Pythonの使い方)
第２回：k近傍法
第３回：テキストの前処理と可視化
第４回：単純ベイズ
第５回：決定木
第６回：回帰法
第７回：ニューラルネットワーク
第８回：機械学習と分類
第９回：クラスタリング
第１０回：モデルの評価
第１１回：モデルの改善
第１２回：Webスクレイピング
第１３回：Pythonを用いた自然言語処理
第１４回：機械学習手法を用いたデータの解析
第１５回：期末試験

授業の進め方

[火曜7・8限]
座学により授業内容について講義します．授業内容の理解度を確認するための課題を出題します．

[水曜5・6限]
各回で扱う手法について内容を説明し、その手法をPythonで実行する(60分)。扱った手法を用いて演習問題を解く(40分)。

授業キーワード

[火曜7・8限]
データサイエンス、多変量解析、機械学習

[水曜5・6限]
データサイエンス、機械学習、Python

テキスト（図書）

参考文献（図書）

参考文献（その他）・授業資料等

[火曜7・8限]
小西貞則，多変量解析入門，岩波書店
中川慶一郎ら編著，データサイエンティストの基礎知識，リックテレコム
金谷健一，線形代数セミナー．共立出版

[水曜5・6限]
島根大学Moodleで毎回資料を配布します。

成績評価の方法およびその基準

[火曜7・8限]
期末試験と演習のレポートの内容を確認して成績を評価します。演習のレポートは全て提出されていることを合格の最低必須条件とします。

[水曜5・6限]
毎回の演習課題(30%)と期末課題(30%)、期末試験(40%)によって評価します。
[各達成目標の評価方法と基準]
データの統計処理について理解しているか演習問題及び期末試験で評価する。
機械学習手法について理解しているか演習問題及び期末試験で評価する。
Pythonを用いて実データの解析が行えるか演習問題及び期末課題で評価する。

期末課題、期末試験の不合格者の一部については、追試験を行う場合があります。

履修上の注意

この講義は火曜7・8限と水曜5・6限の２つの講義で構成されています。
必ず火曜7・8限と水曜5・6限の両方に出席する必要があります。

公平性のため、レポートの提出遅れなどによる再提出の場合には、元のレポートよりも「重い」課題を課することがあります。

オフィスアワー

月曜日16:15~17:45

ディプロマポリシーとの関係区分

学士（総合理工学）2021