データサイエンス超入門

105分授業。 １）「Rの初歩」（第１回授業） 必要なRに関する最小限の知識を習得するために行う。 予習をし、例題、練習問題をやってくる。 できなかった部分についてのみ、授業で対応する。 RでのプログラムをRに精通する学生、pythonによりプログラミング行う学生は、必ずしも受講の必要はない。 Rのインストールがうまくできない学生への対応も行う。 ２）座学（第２－６回授業） データサイエンスの背景 商用化・産業化動向 社会的影響 構成技術・概念 統計の代表的手法 機械学習の代表的手法 など 主要トピックごとに、プログラミングを行う。 第５回では、手書き数字認識などの練習問題を行うことがある。 ３）統計・機械学習演習（第（６，）７回授業） ITC-LMS上に用意されたデータセットに対して、統計・機械学習の代表的手法のRまたはpythonのプログラムを作成し適用してみる。その際、Rのプログラミングに精通していない学生は、 ITC-LMS上に用意されたtemplate.r、functions.rを用いることで、 Rのプログラミングの負担を減らすことができる。分類や回帰の問題に対して適用すべき、適用できる手法を体験し、違いを認識する。各手法におけるパラメータ（例えば、ニューラルネットの層数）や事前処理（例えば、変数の正規化）の有無の影響を体験する。

ノートパソコンを持たない学生は事前に相談すること。ITC-LMSの利用トラブルなどは、事前に申し出る。 ITC-LMS上にある「データサイエンス超入門　受講の準備」を読んで、事前に、所定のデータ類やプログラムのダウンロード、Rを用いる学生はRのインストールを行うこと。これらがうまくいかない場合は、事前に申し出ること。packageのインストールで失敗する受講生もいるが、これについては、第１回授業で対応する。予習して、第１回授業に臨むこと。R本体のインストールができれば、第１回授業の予習は可能である。 pythonを用いる学生は各自pythonのインストールなどを行うこと。pythonについては、これらを自分でできていることが前提となる。

課題レポートによる。課題を提出しない場合は、原則、「未受験」ではなく、「不可」とする。

講義資料に記載

基礎を固める（工学部共通）

前提となる知識と項目：機械学習、AIなどを含むデータサイエンスを専門と「しない」学生、数理・情報に関する経験が乏しい学生を歓迎する。 文理を問わないが，駒場前期課程の文系向け数学科目、数学I（１変数微積）、数学II（ベクトル，行列の基礎）程度の数学知識は前提とする。 プログラミング経験は不要であるが、与えられたプログラムをノートパソコン上で動作させることができる程度のコンピュータ経験が必要。Rの初歩、たとえば、小池先生の統計データ解析 I の最初の４回の講義（https://ocwx.ocw.u-tokyo.ac.jp/*****　で提供されている）を受講していると有益である。pythonについては、Pythonプログラミング入門の受講が望ましい。