学部後期課程
HOME 学部後期課程 データサイエンス超入門
戻る
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10月18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。

データサイエンス超入門

本講義では、「データサイエンスとは、実データから価値を見出し、それをデザインに落とし込む力である」という考えに基づき、自由に入手可能な実データを活用した演習形式の講義を実施します。講義の中では随所で統計学や機械学習の技術概要も説明しますが、単なる技術ツールの習得にとどまらず、その先にある目標や展望を意識できることを目指します。プログラミング初心者には、基礎的なプログラミングの指導を行います。課題に対する回答はRを用いたものも受け付けますが、講義ではPythonを主に扱います。
MIMA Search
時間割／共通科目コード
コース名
教員
学期
時限
FEN-CO2d21L1
FEN-CO2d21L1
データサイエンス超入門
久野　遼平
A1
木曜5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
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
工学部
授業計画
第１回「ガイダンス」 pythonのインストール 第２回「データサイエンスとは」 データの一次分析とクラスタリング 第３回「回帰・分類問題」 土地総合データ、訓練・検証・テストと過学習、ランダムフォレスト、ブースティング、通常課題１ 第４回「画像処理」 Highway Traffic Video Dataset（＋各自撮影したもの）、通常課題４ 第５回「時系列データ」 株価データ、通常課題２ 第６回「自然言語処理」 景気ウォッチャー調査、通常課題３ 第７回「まとめと最終課題説明」 最終課題（通常課題1-4の発展版＋αから選択式）
授業の方法
PythonとJupyter notebook（あるいはJupyter Lab）をインストールできていることが望ましいがColaboratoryを使用しても構わない。授業内容に沿って演習の予習はすること。授業後は、ノートをもとに復習すること。
成績評価方法
課題レポートによる。最終レポート以外に関しては基本的に現地に来て作業することを推奨する。
教科書
講義資料に記載
履修上の注意
基礎を固める（工学部共通）
その他
平行履修：アルゴリズム入門
戻る