大学院
過去（2021年度）の授業の情報です
学内のオンライン授業の情報漏洩防止のため，URLやアカウント、教室の記載は削除しております。
最終更新日：2026年4月1日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
最終更新日：2026年4月1日
授業計画や教室は変更となる可能性があるため、必ずUTASで最新の情報を確認して下さい。
UTASにアクセスできない方は、担当教員または部局教務へお問い合わせ下さい。
データ駆動科学入門Ⅰ
データ駆動科学入門Ⅰ
科学技術計測によって得られる複雑なデータから、その背後に隠れた法則や関係性を抽出する技術としての
ベイズ推論について学習する．
ベイズ推論について学習する．
時間割／共通科目コード
コース名
教員
学期
時限
47130-51
GFS-CS6038L1
データ駆動科学入門Ⅰ
岡田 真人
集中
マイリストに追加
マイリストから削除
講義使用言語
日本語
単位
1
実務経験のある教員による授業科目
NO
他学部履修
可
開講所属
新領域創成科学研究科
授業計画
1. 導入と正則モデル
1-1. 講義への導入と目的
1-2 最小二乗法
1-3. 最小二乗法の精度：確率的定式化とベイズ推論の導入
1-4. モデル選択
2. スペクトル分解のベイズ理論
2-1. スペクトル分解
2-2. 確率的定式化
2-3. モデル選択: 基底関数の個数の決定
2-4. X線光電子分光(XPS)への適用
事後分布推定→推定誤差
臨界時間窓を導出→時間分割XPSの実験計画
授業の方法
講義(板書とスライドを併用する)
板書用の紙を用意すること
成績評価方法
出席と試験またはレポート
教科書
指定しない．
資料を授業時に配布する．
参考書
Christopher M. Bishop: Pattern Recognition and Machine Learning, Springer (2006)
Trevor Hastie, Robert Tibshirani, and Jerome Friedman: The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Second Edition, Springer (2009)
履修上の注意
夏休みの集中講義であることに注意
開講日は8月11日と8月12日
8月11日 2限, 3限, 4限, 5限
8月12日 2限, 3限, 4限
その他
高次元データ駆動科学教育プログラム(HD3) 認定科目
[旧称 基盤科学領域創成研究教育プログラム(CRETS)]
Zoomを使ったオンライン授業を行う.
