到達目標
現実世界の事象を数理を使ってモデリングすることで,自然科学を理解したり,直面する課題を解決する手法を修得する.
特に,コンピュータを用いて解決を図るデータサイエンスを中心に講義する.
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 |
数理モデリングの考え方 | 現実世界の事象を数理を使ってモデリングできる. | すでに提案されている数理モデルを理解できる. | 数理モデルを理解できない. |
実装 | 適した数理モデルを設計し,効率の良いプログラムを実装できる. | 設計した数理モデルをプログラミングによって実装できる. | 実装できない. |
評価 | 計算機実験による結果から,新しいモデルを構築できる. | 計算機実験による結果を評価できる. | 評価できない. |
学科の到達目標項目との関係
専攻科課程 B-2
説明
閉じる
JABEE B-2
説明
閉じる
教育方法等
概要:
現実の世界で起きる様々な現象を数理を用いて表現する.数式によって表現することで,その現象を本質を理解する.また,モデルに与える入力によって,どのように出力が変化するか観察することで予測や意思決定にも応用が可能となる.本講義では,数学とコンピュータを用いて数理モデリングを行うデータサイエンスを中心に講義する.
授業の進め方・方法:
受講には各自でPCとネット通信環境が必要となる.また,プログラミング言語Pythonを動作させるための環境設定は自分自身で行う必要がある.また,適宜課題を課す.課題に取り組むことで,数理を理解する.また,実装と計算機実験によって理解を深めると共に,将来,自らが直面する課題に適用できるようにする.
試験は行わなず,課題によって評価する.
注意点:
・授業90分に対して180分以上の予習・復習を行うこと.
・数学(線形代数,解析学,確率)を用いるので,復習しておくこと.
・プログラミング言語としてPythonを用いる.言語は問わないが,何らかのプログラミング言語を習得しておくこと.
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 |
後期 |
3rdQ |
1週 |
ガイダンス |
本科目の方針や評価方法を説明する. 数理モデリングについて概要を理解する.
|
2週 |
数理モデリングの基礎 |
数理モデリングの例を学ぶ.
|
3週 |
プログラミングの復習 |
実装で用いるプログラミング言語としてPythonを学ぶ.
|
4週 |
最適化手法 |
最適化手法として最急降下法を学び,最小二乗法のパラメータを最適化する.
|
5週 |
数理モデリングのための確率 |
数理モデルを構築するために用いる確率を復習し,実装によって深く理解する.
|
6週 |
重回帰 |
説明変数が複数(2つ以上)のモデル構築を行う.
|
7週 |
ロジスティック回帰 |
カテゴリ変数に対するモデル構築を行う.
|
8週 |
正則化(lasso回帰) |
過学習を抑制する手法である正則化項付きの回帰としてLasso回帰を学ぶ.
|
4thQ |
9週 |
決定木 |
決定木によるモデル構築方法を学ぶ.
|
10週 |
クラスタリング |
クラスタリングの代表的な手法であるk-means法を学ぶ.
|
11週 |
実データへの応用(1) |
実データに対して,これまでに修得した数理モデリングによって,実際に解析を行う.
|
12週 |
実データへの応用(2) |
実データに対して,これまでに修得した数理モデリングによって,実際に解析を行う.
|
13週 |
実データへの応用(3) |
実データに対して,これまでに修得した数理モデリングによって,実際に解析を行う.
|
14週 |
実データへの応用(4) |
実データに対して,これまでに修得した数理モデリングによって,実際に解析を行う.
|
15週 |
まとめ,提出されたレポートの講評 |
講義を総括し,提出されたレポートの講評を行う.
|
16週 |
|
|
評価割合
| 課題 | 合計 |
総合評価割合 | 100 | 100 |
基礎的能力 | 10 | 10 |
専門的能力 | 50 | 50 |
分野横断的能力 | 40 | 40 |