到達目標
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 | | | |
| 評価項目2 | | | |
| 評価項目3 | | | |
学科の到達目標項目との関係
学習・教育到達度目標 Ｃ
説明
閉じる
JABEE c
説明
閉じる
教育方法等
概要:
近年コンピュータに蓄積させた莫大な量のデータから価値のある知識を抽出し、未来を予測する人工知能技術「データ
サイエンス」に関する研究が盛んであり、多変量解析はその基礎となる重要な理論である。この科目では多変量解析の
多様な手法のうち主要な三種に絞り、数学的な理論と、コンピュータによる実践的な処理の両面から知識を習得する
ことを目標とする。また、主要な三種以外の手法についても概略の紹介を行う。キーワード：数学・情報技術
授業の進め方・方法:
電卓や事前に配布した資料などを持参すること。線形代数の知識が前提となるため、本科で学習したベクトルや行列に
関する基礎的な項目を復習しておくこと。また、確率統計に関する知識も前提となるため、本科確率統計又は専攻科統
計学を履修しておくこと。さらに、コンピュータ実習のためUNIXリテラシー能力(Linuxのコマンド操作)も必要となるか
ら、アドバンストコンピューティングも必ず履修しておくこと。演習問題を10回程度・プログラミング課題を3回程度与
えるので自学自習に努めること。
試験1回による評価を7割、レポートによる評価を3割として合否判定点を算出し、60点合否判定を行う。合否判定点で
不合格となった場合は、試験前日までに全レポートを提出していたことを受験条件とした上で、合格点60点で再試験を行う。レポート評価は個別の
レポート課題にて指示された項目を全て満たしていれば100点とするが、不十分な項目がある場合1項目につき-10点と
する。
講義室での理論の学習は難しいかもしれないが、コンピュータを用いた実習課題は机上で学んだ理論を実際に視覚的に
確認でき楽しいものである。実習課題をより深く理解して楽しむため、座学の受講に力を入れよう。また、UNIXリテラ
シー能力も大変重要であるから、事前のアドバンストコンピューティングの履修にも力を入れて欲しい。
注意点:
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
判別分析 |
概念図を描いて説明できる。判別式を導出できる。
|
| 2週 |
考え方・2群の判別(2回) |
正規母集団に対する判別式を導出できる。
|
| 3週 |
二つの正規母集団の判別(1回) |
コンピュータを用いて判別分析を行い、作図できる。
|
| 4週 |
コンピュータ実習・レポート作成(2回) |
|
| 5週 |
主成分分析 |
第1主成分・第2主成分を導出できる。
|
| 6週 |
考え方・求め方(2回) |
|
| 7週 |
|
|
| 8週 |
後期中間試験:実施しない |
|
| 4thQ |
| 9週 |
標準変量への変換(0.5回) |
標準変量に変換する意義を説明できる。
|
| 10週 |
累積寄与率(0.5回) |
第何主成分まで考えれば十分か判定できる。
|
| 11週 |
コンピュータ実習・レポート作成(2回) |
コンピュータを用いて主成分分析を行い、作図できる。
|
| 12週 |
重回帰分析 |
|
| 13週 |
重回帰式の考え方・求め方(2回) |
重回帰式を導出できる。
|
| 14週 |
コンピュータ実習・レポート作成(2回) |
コンピュータを用いて重回帰分析を行い、作図できる。
|
| 15週 |
|
|
| 16週 |
後期期末試験:実施する |
|
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 |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |