文理学部シラバスTOP > 文理学部 > 情報科学科 > データ科学１
日本大学ロゴ

データ科学１

このページを印刷する

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
教員名 尾崎知伸
単位数    2 学年 2～4 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
授業形態 対面授業
Blackboard ID 20234347
授業概要 データ科学・データ分析の基礎的な手法（統計，回帰分析，分類学習）に関して講義を行う
授業のねらい・到達目標 対象とする要素技術の基本的な考え方を理解し，説明できる．
分析ツールを用い，データの整形，手法の適用，結果の検証を含めた一連の分析ができる．

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）
授業の形式 講義、演習
授業の方法 電子資料を用いて講義を行うとともに，随時，分析ツールを用いた演習を行う.
提出されたレポートについて総評を行う．
なお対面参加できない学生には，Zoom（ライブ中継）で対応する．
履修条件 「離散数学」と「確率論」を履修していることが望ましい
授業計画
1 ガイダンス（授業のテーマや到達目標及び授業の方法について説明する）
データサイエンスの背景やプロセスについて説明する（A-3-2，A-4-2，A-5-2）
【事前学習】シラバスを事前に確認する. 当該分野に関する簡単な調査を行う （1時間）
【事後学習】授業内容を振り返り，データサイエンスの概要を説明できるようにする （1時間）
【授業形態】対面授業
2 統計：基本的な統計量とデータの視覚化（A-3-2，A-4-2，A-5-2）
【事前学習】基本的な統計量に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】各種統計量の考え方と実際の計算方法・視覚化手法を説明できるようにする （3時間）
【授業形態】対面授業
3 統計：推定（A-3-2，A-4-2，A-5-2）
【事前学習】推定に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】点推定と区間推定の考え方と具体的な計算方法を説明できるようにする （3時間）
【授業形態】対面授業
4 統計：検定（A-3-2，A-4-2，A-5-2）
【事前学習】検定に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】統計的検定の基礎的な考え方と種々の検定方法を説明できるようにする （3時間）
【授業形態】対面授業
5 回帰分析：回帰分析の導入と線形回帰モデル（A-3-2，A-4-2，A-5-2）
【事前学習】回帰分析に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】線形回帰モデルの特徴を説明できるようにする （3時間）
【授業形態】対面授業
6 回帰分析：ダミー変数と正則化（A-3-2，A-4-2，A-5-2）
【事前学習】ダミー変数・正則化に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】回帰分析モデルの評価指標とダミー変数・正則化の考え方を説明できるようにする （3時間）
【授業形態】対面授業
7 回帰分析：発展な回帰モデル（A-3-2，A-4-2，A-5-2）
【事前学習】発展的な回帰モデルに関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】発展的な手法の概要や考え方を説明できるようにする （3時間）
【授業形態】対面授業
8 分類学習：分類学習の導入と種々の手法（A-3-2，A-4-2，A-5-2）
【事前学習】分類学習に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】各分類モデルの特徴を説明できるようにする （3時間）
【授業形態】対面授業
9 分類学習：ロジスティック回帰（A-3-2，A-4-2，A-5-2）
【事前学習】ロジスティック回帰に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】ロジスティック回帰の特徴を説明できるようにする （3時間）
【授業形態】対面授業
10 分類学習：多層パーセプトロン（A-3-2，A-4-2，A-5-2）
【事前学習】多層パーセプトロンに関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】多層パーセプトロンの構造と重みの学習方法を説明できるようにする （3時間）
【授業形態】対面授業
11 分類学習：深層ニューラルネットワーク（A-3-2，A-4-2，A-5-2）
【事前学習】深層ニューラルネットワークに関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】各種の活性化関数や最適化手法の概要を説明できるようにする （3時間）
【授業形態】対面授業
12 機械学習の解釈性：導入（A-3-2，A-4-2，A-5-2）
【事前学習】機械学習の解釈性に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】モデルを解釈・説明することの必要性・重要性を説明できるようにする （3時間）
【授業形態】対面授業
13 機械学習の解釈性：種々の手法（A-3-2，A-4-2，A-5-2）
【事前学習】モデルの解釈・説明手法に関する配布資料を通読し，内容を簡単にまとめる （1時間）
【事後学習】モデルの解釈・説明に関する種々の手法を概観し，各手法のアプローチの違いを説明できるようにする （3時間）
【授業形態】対面授業
14 データサイエンスの実践（A-3-2，A-4-2，A-5-2）
【事前学習】これまでの学修内容に基づき，各自で設定したテーマに対して，データ分析を実践する （4時間）
【事後学習】履修者間で相互評価を行うとともに，自身が実践したデータ分析内容を振り返る （2時間）
【授業形態】対面授業
15 授業内試験と解説：これまでの復習・解説を行い授業の理解を深める（A-3-2，A-4-2，A-5-2）
【事前学習】これまでの学修内容を振り返り，内容の整理を行う （3時間）
【事後学習】これまでの学修内容を振り返り，どの様な発展が考えられるか考察する （1時間）
【授業形態】対面授業
その他
教科書 使用しない
参考書 馬場真哉 『Pythonで学ぶ新しい統計学の教科書』 翔泳社 2022年 第2版
八谷 大岳  『ゼロから作るPython機械学習プログラミング入門』 講談社 2020年
Sebastian Raschka他（著），株式会社クイープ (翻訳)，福島真太朗 (監修) 『Python機械学習プログラミング［PyTorch＆scikit-learn編］』 インプレス 2022年
森下 光之助 『機械学習を解釈する技術〜予測力と説明力を両立する実践テクニック』 技術評論社 2021年
成績評価の方法及び基準 レポート:内容の正しさと理解度合，レポートとしての完成度を中心に評価する(30%)、授業内テスト:授業内試験（第15回）の成績による評価する(35%)、授業参画度:理解度を問う問題と演習の成果，および レポートの相互評価に対する貢献度により評価する(35%)
レポート未提出，授業内試験未受験の場合はE判定とする
オフィスアワー 質問等は随時を受け付ける．原則，事前にSlackやメール等でアポイントをとること

↑このページのトップ