大学院
HOME 大学院 データサイエンス
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:2024年3月15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。

データサイエンス

データサイエンス (Data Science)
大規模かつ多様なデータを適切に分析し、システムの企画・設計・運用に役立てる技術は、情報処理のあらゆる分野で重要性を増しており、社会的にもニーズの高いものとなっている。
本講義では、データ分析の基礎から応用に至る各手法や技術について、理論と実装の両側面から取り組み、理解を深めることを目的とする。講義前半では、PythonやR言語等のオープンソースソフトウェアを用い具体的な課題に取り組むことで、実践的な技術を習得することを重視する。これをうけて、後半では、より最近の先端的な機械学習のトピックを紹介し、古典的な枠組みを超えたデータ活用の可能性について議論したい。
MIMA Search
時間割/共通科目コード
コース名
教員
学期
時限
4860-1054
GIF-CI5404L1
データサイエンス
中山 英樹
A1 A2
水曜2限
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
2
実務経験のある教員による授業科目
NO
他学部履修
開講所属
情報理工学系研究科
授業計画
講義内容(予定) 前半:基本的なデータ解析技術 ・統計基礎、データ加工・前処理 ・多変量解析、次元削減・多様体学習、回帰分析 ・クラスター分析 ・クラス分類 後半:深層学習を基盤とする発展的な話題 ・ニューラルネットワーク・深層学習 ・転移学習、ドメイン適応、メタ学習 ・自己教師付き学習 ・オープンセット学習、継続学習 ・プライバシー、公平性
授業の方法
講義による理論を中心とした解説に加え、サンプルプログラムの実行や微修正を通して実装レベルでポイントを習得することを目指す。 なお、中間レポートでは何らかのスコア(予測精度、識別率等)で定量評価可能なコンペティション形式のタスクを出題することを計画している。
成績評価方法
出席およびレポート(2回)で評価 出席2割、レポート8割
教科書
特になし
参考書
Peter Harrington, "Machine Learning in Action", Manning Pubns Co. Wes Mckinney, "Python for Data Analysis", Oreilly & Associates Inc. 金 明哲, "Rによるデータサイエンス - データ解析の基礎から最新手法まで", 森北出版. 杉山 将, "イラストで学ぶ機械学習 - 最小二乗法による識別モデル学習を中心に", 講談社. など
履修上の注意
・本講義を履修する際は、先端人工知能論Ⅰ(4850-1025)、先端人工知能論Ⅱ(4850-1026)を既に履修しているか、同時に履修することが望ましい。特に、深層学習に関しては、これらの講義と同程度の基礎知識を有していることを前提とする。 ・ノートPCを持参することが望ましい。