検索したい科目／教員名／キーワードを入力し「検索開始｣ボタンをクリックしてください。
※教員名では姓と名の間に１文字スペースを入れずに、検索してください。
データ科学１
| 令和２年度以降入学者 | データ科学１ | ||||
|---|---|---|---|---|---|
| 令和元年度以前入学者 | データ科学１ | ||||
| 平成２８年度以前入学者 | 情報学要論１ | ||||
| 教員名 | 北原鉄朗 | ||||
| 単位数 | 2 | 学年 | 2 | 開講区分 | 文理学部 |
| 科目群 | 情報科学科 | ||||
| 学期 | 後期 | 履修区分 | 選択必修 | ||
| 授業の形態 | 対面授業＋同時双方向型オンライン授業のハイブリッドでの実施、一部において課題研究を併用 Blackboard ID:水曜１限→20212995 |
|---|---|
| 授業概要 | データサイエンスの基本的な道具である統計学とパターン認識を、コンピュータ実習を含めて実践的に学ぶ。 |
| 授業のねらい・到達目標 | 統計学およびパターン認識の基本的な概念や手法を理解し、説明することができる。 統計学およびパターン認識の基本的なプログラムを理解し、自ら書くことができる。 統計学およびパターン認識に関する計算機実験を行い、結果をレポートとしてまとめることができる。 この科目は文理学部(学士(理学))のディプロマポリシーDP6及びカリキュラムポリシーCP9に対応している。 なお，新カリキュラム（令和2年度以降入学者対象）では，この科目は文理学部（学士(理学)）のディプロマポリシー DP3-5及びカリキュラムポリシー CP3-5に対応している。 ・既存の知識にとらわれることなく，物事を論理的・批判的に説明することができる。(A-3-2) ・日常生活における現象に潜む科学的問題を発見し，専門的知識に基づいて説明することができる。(A-4-2) ・新しい問題に取り組む意識を持ち，そのために必要な情報科学の知識・情報を収集することができる。(A-5-2) |
| 授業の方法 | 授業の形式：【講義・実習】 ・YouTube Liveでの学習内容の解説とプログラミング実習を中心に授業を進める。 ・指定教室での対面受講と自宅等でのオンライン受講の両方を認める。 （対面受講の場合は、感染防止の観点からいくつかの制限事項を設ける。 指示された制限事項を厳守すること。） ・プログラミング実習および授業内で適宜実施する小テストは、 解答をその場でSlackなどに貼ってもらうことで双方向性を確保する。 ・対面受講の場合は口頭で直接、オンライン受講の場合はSlackで質問を受け付ける。 ・課題研究の回では、レポート課題を課す。 ・課題研究とは別に、適宜ミニ課題を出す場合がある。 ・対面での試験を実施予定（対面で受験できない受講者へはオンラインにて対応予定） |
| 履修条件 | 「離散数学」および「確率論」の内容を十分に理解していること。 |
| 授業計画 | |
|---|---|
| 1 |
ガイダンス（本科目の到達目標および授業方法の確認）、パターン認識とは （A-3-2～A-5-2）
【事前学習】Google Colaboratoryを使える状態にしておくこと。Pythonの基本的な文法を自習し、NumPyを使えるようにしておくこと （2時間） 【事後学習】パターン認識とは何かを説明できるように復習すること （2時間） |
| 2 |
パターン認識の基本、母音認識のはじめの一歩 （A-3-2～A-5-2）
【事前学習】配布資料に目を通し、サンプルプログラムを入力しておくこと （2時間） 【事後学習】パターン認識の3つのステップを説明できるように復習すること。また、母音認識に関するミニ課題に取り組むこと （2時間） |
| 3 |
多クラス分類、最近傍法 （A-3-2～A-5-2）
【事前学習】配布資料に目を通し、サンプルプログラムを入力しておくこと （2時間） 【事後学習】最近傍法が何かを説明できるように復習すること。また、ミニ課題に取り組むこと （2時間） |
| 4 |
記述統計、母集団と標本 （A-3-2～A-5-2）
【事前学習】配布資料に目を通し、サンプルプログラムを入力しておくこと （2時間） 【事後学習】基本的な統計量の定義を説明できるように復習すること （2時間） |
| 5 |
確率の基本 （A-3-2～A-5-2）
【事前学習】「確率論」で学んだことを復習しておくこと （2時間） 【事後学習】授業内で学んだ内容を説明できるように復習すること （2時間） |
| 6 |
正規分布と多次元正規分布 （A-3-2～A-5-2）
【事前学習】配布資料に目を通し、サンプルプログラムを入力しておくこと （2時間） 【事後学習】正規分布や多次元正規分布が何かを説明できるように復習すること （2時間） |
| 7 |
人工データでパターン認識 （A-3-2～A-5-2）
【事前学習】配布資料に目を通し、サンプルプログラムを入力しておくこと （2時間） 【事後学習】授業内で課されたミニ課題に取り組むこと （2時間） |
| 8 |
ベイズ決定規則 （A-3-2～A-5-2）
【事前学習】第5回で学んだ確率の基本、第6回で学んだ正規分布および多次元正規分布を復習しておくこと （2時間） 【事後学習】ベイズ決定規則の導出過程を説明できるように復習すること。また、ミニ課題に取り組むこと （2時間） |
| 9 |
ニューラルネットワークのはじめの一歩 （A-3-2～A-5-2）
【事前学習】配布資料に目を通し、サンプルプログラムを入力しておくこと （2時間） 【事後学習】ニューラルネットワークを説明できるように復習すること。また、ミニ課題に取り組むこと （2時間） |
| 10 |
多層パーセプトロン （A-3-2～A-5-2）
【事前学習】配布資料に目を通し、サンプルプログラムを入力しておくこと （2時間） 【事後学習】多層パーセプトロンを説明できるように復習すること。また、ミニ課題に取り組むこと （2時間） |
| 11 |
課題研究 （A-3-2～A-5-2）
【事前学習】第1回～第10回で学んだ内容を復習しておくこと （2時間） 【事後学習】課題のうち終わらなかった部分を終わらせ、レポートを提出すること （2時間） |
| 12 |
区間推定 （A-3-2～A-5-2）
【事前学習】第4回～第6回で学んだ内容を復習しておくこと （2時間） 【事後学習】区間推定の考え方を説明し、信頼区間を求める問題を解けるように復習すること （2時間） |
| 13 |
仮説検定 （A-3-2～A-5-2）
【事前学習】第4回～第6回および第12回の内容を復習しておくこと （2時間） 【事後学習】仮説検定の考え方を説明し、仮説検定を実施する問題を解けるように復習すること （2時間） |
| 14 |
総合的な実習 （A-3-2～A-5-2）
【事前学習】第1回～第13回の内容のうち理解度が低いと思われる部分を見つけておくこと （2時間） 【事後学習】第1回～第13回の内容のうち理解度が低い部分を復習すること （2時間） |
| 15 |
授業内試験とその解説
【事前学習】第1回～第14回の内容を復習しておくこと （3時間） 【事後学習】出題された内容のうち出来が悪かったものを復習すること （1時間） |
| その他 | |
|---|---|
| 教科書 | なし |
| 参考書 | なし |
| 成績評価の方法及び基準 | 試験(40%)、レポート(30%)、授業参画度(30%) ・試験は、授業内で対面にて実施するが、対面での受験ができない受講者には、別の時間帯にオンラインでの受験機会を用意する。オンラインでの受験においては、不正行為防止のためカメラやマイクのオンなどを指示する場合がある。 ・レポート課題は1回課す予定である。 ・レポートと試験の両方で一定以上の評価を得ることが単位習得の必要条件である。 ・授業参画度は、授業内のコンピュータ実習や毎回の事前学習・事後学習の提出状況から判断する。 |
| オフィスアワー | Slackで随時質問を受け付ける。個人的な内容を含まない質問は、授業ごとに用意されたチャンネルに投稿することを原則とする。 対面での質問や相談を希望する場合は、事前にSlack等で連絡をした上で必要に応じて受け付ける |