科目名[英文名]
データサイエンスB[Data Science B]
担当教員[ローマ字表記]
広瀬 修
[
HIROSE, Osamu
]
科目ナンバー
BIOE3302A
科目ナンバリングとは
時間割番号
25050
科目区分
-----
講義形態
-----
開講学域等
理工学域
適正人数
-----
開講学期
Q4
曜日・時限
木4
単位数
1単位
授業形態
60単位上限
対象学生
-----
キーワード
-----
講義室情報
自然科学本館(総合研究棟Ⅴ) 303講義室(対面と遠隔(オンデマンドと双方向)の併用)
開放科目
-----
備考
-----
授業の主題
近年,解析の対象となるデータは増加の一途を辿り,データ解析の基礎となるデータ科学の重要性が増している.本講義では,古典的なデータ科学の基礎を固めつつ,データの大規模化にも対応できる解析技術を学ぶ.
授業の目標
1. 記述統計と推測統計の違いを理解する.
2. 頻度論的統計学とベイズ統計学の違いを理解する.
3. 統計解析に必要とされる最適化の基礎を学ぶ.
学生の学修目標
学生の学修目標
1.統計解析(回帰分析を題材に,統計の基礎を学ぶ)
2.最適化基礎(回帰分析を題材に,最適化の基礎を学ぶ)
3.データ解析演習,プレゼンテーション
授業概要
講義:7回程度
1.統計基礎(回帰分析,検定)
統計学の基礎となる回帰分析を題材としながら,最尤推定およびベイズ推定の基礎を学ぶ.
線形回帰の基礎に加え,基底拡大やカーネル法による非線形回帰,正則化など比較的新しい
データ解析法について学ぶ.多少ではあるが,線形代数および微分積分の知識を要するため,
各自復習しておくことが望ましい.理解度が十分であればバイオインフォマティクス分野で
発展した新しい検定法についても講義する.
2.最適化基礎
回帰分析を行う場合,尤度や事後確率など何らかの最適化を行う必要がある.この講義では
最急降下法,ニュートン法(+状況を見ながらEMアルゴリズムや内点法などの多少踏み込んだ内容)
について学ぶ.
演習:7回程度
データ解析演習,プレゼンテーション
評価方法と割合
評価方法
出席,レポート(+中間テスト),プレゼンテーション等で評価する.
評価の割合
出席:1/3, レポート(+中間テスト):1/3 ,プレゼンテーション:1/3
評価の割合は授業の進度に応じて変更の可能性あり.
授業時間外の学修に関する指示
予習に関する指示
特になし.
予習に関する教材
復習に関する指示
復習に関する教材
教科書・参考書
特になし
オフィスアワー等(学生からの質問への対応方法等)
質問は授業直後に対応する.
履修条件
特になし
特記事項
特になし
ページの先頭へ