到達目標
1.統計解析環境プログラミングと統計学の基礎を学び,それらを用いたデータ分析の基礎ができるようになる.また,その解析結果を可視化することができる.
2.同じ問題に対して機械学習の複数のアルゴリズムを適用することで,アルゴリズムの特徴や共通する考え方を理解できるようになる.
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 | データ分析のために必要な,データ構造,プログラミング,グラフィック表現,データ解析の基礎を活用できる。 | データ分析のために必要な,データ構造,プログラミング,グラフィック表現,データ解析の基礎を理解できる。 | データ分析のために必要な,データ構造,プログラミング,グラフィック表現,データ解析の基礎を理解できない。 |
評価項目2 | 機械学習の基礎となるアルゴリズムを考えることで,具体的な例題に対する考え方と計算の仕方を活用できる。 | 機械学習の基礎となるアルゴリズムを考えることで,具体的な例題に対する考え方と計算の仕方を理解できる。 | 機械学習の基礎となるアルゴリズムを考えることで,具体的な例題に対する考え方と計算の仕方を理解できない。 |
学科の到達目標項目との関係
教育方法等
概要:
前半では,データ分析のために必要な,データ構造,プログラミング,グラフィック表現,データ解析の基礎を習得する.統計解析環境はRを使用する.後半では、機械学習の基礎となるアルゴリズムを考えることで,具体的な例題に対する考え方と計算の仕方を理解できるようになる.受講者が少ない場合には輪講形式とすることがある.
授業の進め方・方法:
講義及び演習形式で行う.必要に応じて適宜小テストを実施し,また演習課題,レポート,宿題を課す.
注意点:
合格点は 60 点である.成績は,試験結果 80%,小テスト・演習課題・レポート・宿題を 20% で評価する.特に,レポート・宿題の未提出者は単位取得が困難となるので注意すること.
(講義を受ける前)2.では,微分積分学,線形代数学,ベクトル解析学,確率論等の必要な数学の復習をしておくこと.
(講義を受けた後)十分な演習によって理解の定着と技能の習得を行う必要がある.課題,レポート等の提出締切りは厳守すること.
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
授業ガイダンス 1.データ分析・プログラミング (1)統計解析環境の設定 |
授業の進め方と評価の仕方について説明する.統計解析環境及びパッケージのインストールと設定.
|
2週 |
(2)データ構造の基礎 |
変数,オブジェクト,関数,データ型,データ構造の把握.
|
3週 |
(3)プログラミングの基礎 |
統計解析環境Rの基本的な文法,関数の作成とその演習.
|
4週 |
(3)プログラミングの基礎 |
統計解析環境Rの基本的な文法,関数の作成とその演習.
|
5週 |
(4)グラフィックの基礎 |
データの可視化としてのグラフィック表現の基礎.
|
6週 |
(5)データ解析の基礎 |
統計解析のデータの種類,分布,確率及び検定の基礎.
|
7週 |
到達度試験(後期中間) |
上記項目について学習した内容の理解度を確認する.
|
8週 |
到達度試験の解説と解答 2.機械学習 (1)データサイエンスと機械学習 |
到達度試験の内容を確認する。 アルゴリズムの特性を理解することで,データサイエンスにおける機械学習の役割がわかる.
|
4thQ |
9週 |
(1)データサイエンスと機械学習 |
アルゴリズムの特性を理解することで,データサイエンスにおける機械学習の役割がわかる.
|
10週 |
(1)データサイエンスと機械学習 |
アルゴリズムの特性を理解することで,データサイエンスにおける機械学習の役割がわかる.
|
11週 |
(2)最小二乗法 |
アルゴリズム理解とこれによる機械学習の「統計モデル」の考え方がわかる.
|
12週 |
(3)最尤推定法 |
確率を利用した統計モデルの理解と,最小二乗法との類似点/相違点がわかる.
|
13週 |
(4)パーセプトロン |
確率的勾配降下法による数値計算手法がわかる.
|
14週 |
(5)ロジスティック回帰とROC曲線 |
最尤推定法を用いた分類アルゴリズムであるロジスティック回帰の理解と,複数の分類アルゴリズムの比較法がわかる.
|
15週 |
到達度試験(後期末) |
上記項目について学習した内容の理解度を確認する.
|
16週 |
試験の解説と解答 |
後期試験の解説と解答,本授業のまとめ,および授業アンケート
|
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 | 課題等 | 合計 |
総合評価割合 | 80 | 20 | 100 |
基礎的能力 | 50 | 10 | 60 |
専門的能力 | 10 | 0 | 10 |
汎用的技能 | 20 | 10 | 30 |