データサイエンス超入門

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。 何らかの事情で予習できなかった場合は、必ず、復習・自習し、次週以降のプログラミング例題をこなせるようにする。 RでのプログラムをRに精通する学生は、必ずしも受講の必要はない。 ２）座学（第２－５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、Rでのプログラミングを行う。 第５回では、Rによる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による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。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。 オンライン授業、プログラミングに関するトラブルは、ITC-LMSの機能を使って連絡する。

課題レポートによる。課題レポートに加えて、授業中に出す練習問題についてのレポート提出を指示することがある。

基礎を固める（分野別基礎）

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Rの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。