到達目標
データを扱うための手法として、データベース、数値計算、統計解析、多変量解析の基礎を、理論的な考察が行え、実データに対して適用できる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 評価項目1 | リレーショナルデータベースを理解し,データ管理に利用することができる | リレーショナルデータベースを理解している | リレーショナルデータベースを理解していない |
| 評価項目2 | 代表的な数値計算方法について理解し,問題に適用することができる | 代表的な数値計算方法について理解している | 代表的な数値計算方法について理解していない |
| 評価項目3 | 統計的手法に基づく多変量解析について理解し,問題に適用することができる | 統計的手法に基づく多変量解析について理解している | 統計的手法に基づく多変量解析について理解していない |
学科の到達目標項目との関係
教育方法等
概要:
データを扱うための手法として,データベース,数値計,統計解析,多変量解析の基礎を,理論的な考察が行え,実データに対して適用できる.この科目は研究所で脳神経科学の研究を行なっていた教員が,その経験を生かし,機械学習の手法などについて講義,演習形式で授業を行うものである.
授業の進め方・方法:
各週の内容は,学習・教育到達目標(B)＜基礎＞に対応する.
「授業計画」における各週の「到達目標」はこの授業で習得する「知識・能力」に相当するものとする.PC上,クラウド上などを使って演習・課題を行う.
注意点:
＜到達目標の評価方法と基準＞
授業計画の「到達目標」1～13を網羅した問題を中間試験,定期試験および演習・課題に対するレポートで出題し,目標の達成度を評価する.達成度評価における各「知識・能力」の重みは概ね均等とする.合計点の60％の得点で,目標の達成を確認できるレベルの試験を課す.
＜学業成績の評価方法および評価基準＞
中間試験、期末試験の2回の試験の平均を60%,レポートを40%で評価する.再試験はクラス中央値が65点以下の時に30点以上だったものに対し行う場合がある.再試験の結果は上限60点とし該当試験に反映する.
＜単位修得要件＞
学業成績で60点以上を取得すること.
＜自己学習＞授業で保証する学習時間と,予習・復習（中間試験，定期試験のための学習も含む）に必要な標準的な学習時間の総計が,90時間に相当する学習内容である.
＜あらかじめ要求される基礎知識の範囲＞
ソフトウエア工学,線形代数,微分積分,情報理論,応用数学I,応用数学II,機械学習,IoTシステム工学と関連が深い.
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
データベースモデル |
1. さまざまなデータベースモデルについて理解する
|
| 2週 |
リレーショナル代数 |
2. リレーショナル代数について理解する
|
| 3週 |
SQL |
3. SQLについて理解する
|
| 4週 |
トランザクション |
4. トランザクションについて理解する
|
| 5週 |
非線形方程式の解法 |
5. 非線形方程式の解法について理解する
|
| 6週 |
微分方程式の数値解法 |
6. 非線形方程式の解法について理解する
|
| 7週 |
数値積分法 |
7. 数値積分法について理解する
|
| 8週 |
中間試験 |
上記1-7
|
| 2ndQ |
| 9週 |
多項式補間 |
8. 多項式補間について理解する
|
| 10週 |
確率分布と統計量 |
9. 確率分布と統計量について理解する
|
| 11週 |
回帰分析、重回帰分析 |
10. 回帰分析について理解する
|
| 12週 |
主成分分析 |
11. 主成分分析について理解する
|
| 13週 |
分散分析、因子分析 |
12. 分散分析、因子分析について理解する
|
| 14週 |
クラスタリング |
13. クラスタリングについて理解する
|
| 15週 |
|
|
| 16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
| 専門的能力 | 分野別の専門工学 | 情報系分野 | 情報数学・情報理論 | コンピュータ上での数値の表現方法が誤差に関係することを説明できる。 | 4 | |
| コンピュータ上で数値計算を行う際に発生する誤差の影響を説明できる。 | 4 | |
| コンピュータ向けの主要な数値計算アルゴリズムの概要や特徴を説明できる。 | 4 | |
| その他の学習内容 | データモデル、データベース設計法に関する基本的な概念を説明できる。 | 4 | |
| データベース言語を用いて基本的なデータ問合わせを記述できる。 | 4 | |
評価割合
| 試験 | 課題 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 60 | 40 | 0 | 0 | 0 | 0 | 100 |
| 基礎的能力 | 20 | 0 | 0 | 0 | 0 | 0 | 20 |
| 専門的能力 | 40 | 30 | 0 | 0 | 0 | 0 | 70 |
| 分野横断的能力 | 0 | 10 | 0 | 0 | 0 | 0 | 10 |