シラバス参照

開講年度(Academic Year) 2021 
科目コード/科目名
(Course Code / Course Title)
VR431/社会情報科学概論
(Introduction to Social Informatics) 
テーマ/サブタイトル等
(Theme / Subtitle)
 
担当者 (Instructor) 大西 立顕(OHNISHI TAKAAKI)
和田 伸一郎(WADA SHIN'ICHIRO) 
時間割 (Class Schedule) 秋学期 (Fall Semester) 金曜日(Fri) 6時限(Period 6) 4341(Room)
単位 (Credit) 2単位(2 Credits) 
科目ナンバリング
(Course Number)
AIR5200 
使用言語
(Language)
日本語
(Japanese) 
備考 (Notes)  
テキスト用コード (Text Code) VR431 



授業の
目標
Course
Objectives
社会・経済物理学の用語や概念を理解すること、社会・経済物理学のデータ分析手法を修得すること、現象やデータに応じて適切な分析手法を選択できるようになること、分析手法の仮定やデータの解像度・サンプルバイアスなどに起因したデータ分析の限界を理解することを目標とする。 
After completing this course, students should be able to:
- explain the concepts and terminology associated with socio-econophysics
- understand and apply general socio-econophysics methods for data analysis
- choose the appropriate data analysis method given particular phenomena and data
- understand the limitations of data analysis stemming from assumptions embedded in the method, the finite resolution of the data, the sampling bias of the data, and so on. 
授業の
内容
Course
Contents
社会・経済物理学に関連したデータサイエンスの基礎的手法を解説する。社会・経済現象にみられる様々な実データを分析する際に必要となる概念や分析手法を学ぶ。 
This course will provide students with the foundations of data science, based especially on socio-econophysics techniques. Students will learn the concepts, techniques, and tools they need to analyze various types of real data pertaining to socio-economic phenomena. 
授業計画
Course
Schedule
1. 正規分布と中心極限定理(母集団と標本、確率密度関数、累積分布関数、標準化、正規分布と中心極限定理の導出) 
2. 統計的有意性の検定(統計的誤差と信頼区間、ランダム化テスト、ノンパラメトリック法、順位相関、連検定、フィッシャーの正確確率検定)
 
3. 事象発生の時間間隔の解析(ポアソン過程と指数分布、時間間隔の相関、傾向性・バースト性・周期性)
 
4. ベキ分布(ロングテール、スケーリング領域、ベキ指数、コルモゴロフ・スミルノフ検定、最尤法、Hillの推定法)
 
5. フラクタル(自己相似、スケールフリー、フラクタル次元、ボックス・カウンティング次元)
 
6. ベキ分布の数理(自己組織化臨界現象、サンクト・ペテルブルグのパラドックス、ランダム乗算過程)
 
7. SNSビッグデータと機械学習1(探索的分析EDA、自然言語処理、インタラクティブ・データ・ヴィジュアライゼーション)
 
8. SNSビッグデータと機械学習2(形態素解析、ロングテール分布、クラスタリング)
 
9. SNSビッグデータと機械学習3(ベクトル空間モデル、単語埋め込みベクトル、次元圧縮(PCA、t-SNE))
 
10. 線形時系列解析(強定常と弱定常、自己相関、パワースペクトル、1/fノイズ、周期性、時系列の前処理、ハースト指数,相関行列)
 
11. 金融市場の数理モデル(ランダムウォーク、自己回帰モデル、線形時系列予測、金融市場の経験則、異常拡散、長期記憶、PUCKモデル)
 
12. カオスの数理(離散時間力学系のカオス、ベルヌーイシフト写像、連続時間力学系のカオス)
 
13. 非線形時系列解析(時間遅れ座標、埋め込み定理、アトラクタ再構成、相関次元、リカレンスプロット)
 
14. 社会・経済ビッグデータを活用した研究事例 
授業時間外
(予習・復習
等)の学習
Study
Required
Outside
of Class
各自の授業の理解度に応じて、適宜、テキスト等を復習することを薦める。 
成績評価
方法・基準
Evaluation
種類(Kind) 割合(%) 基準(Criteria)
平常点(In-class Points) 100  %
7回程度のレポート(100%)
テキスト
Textbooks
なし
参考文献
Readings
No 著者名
(Author/Editor)
書籍名
(Title)
出版社
(Publisher)
出版年
(Date)
ISBN/ISSN
1. 高安 秀樹、高安 美佐子  エコノフィジックス 市場に潜む物理法則   日本経済新聞社  2001  4532149541 
2. 高安 秀樹  経済物理学の発見   光文社  2004  4334032672 
3. 青山 秀明、家富 洋、池田 裕一、相馬 亘、藤原 義久  経済物理学   共立出版  2008  4320096398 
4. 高安美佐子、田村光太郎、三浦航  学生・技術者のためのビッグデータ解析入門   日本評論社  2014  4535787158 
5. 東京大学教養学部統計学教室(編)  統計学入門   東京大学出版会  1991  9784130420655 
6. 松原望  入門統計解析ー医学・自然科学編   東京図書  2007  4489020236 
7. 合原一幸 (編集)  カオス時系列解析の基礎と応用   産業図書  2000  4782810105 
その他(Others)
その他
(HP等)
Others
(e.g. HP)
第7〜9回は和田、他の回は大西が担当する。
 
注意事項
Notice
 


PAGE TOP