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4月22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

データサイエンスに関する社会状況などの周囲状況およびデータサイエンスの技術概要、特に、データサイエンスに関わる統計・機械学習の概要を講義する。講義で紹介された統計・機械学習手法を用いて、実データを用いた分類や予測・回帰問題をpythonのプログラミングにより解く。これにより、データサイエンスの概要を把握・学習し、データサイエンスの中核技術に関する基本的レベルの修了を目標とする。プログラミングに習熟していない学生には初歩的プログラミングを指導する。課題回答はRによるものも認めるが講義では扱わない。
MIMA Search
時間割／共通科目コード
コース名
教員
学期
時限
FEN-CO3d20L1
FEN-CO3d20L1
データサイエンス超入門
久野　遼平
S1
火曜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