日本語 English
| 開講年度/ Academic YearAcademic Year |
20232023 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR721/VR721VR721 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
オンライン（全回オンライン）/Online (all classes are online)Online (all classes are online) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
|
| 校地/ CampusCampus |
他/OtherOther |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
土2/Sat.2 Sat.2 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR6600 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
|
| 履修中止可否/ Course CancellationCourse Cancellation |
|
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
|
| 備考/ NotesNotes |
After completing this course, students should be able to:
-explain the concepts and terminology associated with data science
-understand general data science methods
-choose the appropriate data science 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.
-develop an approach for the analysis of various types of real data
-recognize the importance of empirical analysis based on real data
-understand the necessity of interpreting results based on domain knowledge
This course will provide students with the foundations of data science. Students will learn the concepts, techniques, and tools they need to analyze various types of real data.
| 1 | データ分析のためのPythonの基礎 |
| 2 | データの可視化と図の作成 |
| 3 | データの前処理（正規化，交差検証） |
| 4 | 次元削減 |
| 5 | 回帰分析 |
| 6 | モデル選択と非線形回帰 |
| 7 | 機械学習の説明可能性 |
| 8 | 時系列データの分析１ |
| 9 | 時系列データの分析２ |
| 10 | ビッグデータの取り扱い |
| 11 | データ分析のためのLinuxコマンドの使い方 |
| 12 | データ分析のためのawkの使い方 |
| 13 | 分析結果のプレゼンテーションとディスカッション |
| 14 | 分析結果のプレゼンテーションとディスカッション |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
各自の授業の理解度に応じて、適宜、復習することを薦める。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業への参加度と７回程度のレポート(100%) |
| 備考 (Notes) | ||
なし/None
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業内で適宜指示する。 |
1〜7回は天本，8〜14回は大西が担当する．
本科目は、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。
データサイエンスの用語や概念を理解すること、データサイエンスの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、様々な実データ分析の手法を修得すること、実データに基づいて実証的に分析することの重要性を認識すること、領域知識を踏まえた上で結果を解釈する必要性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 data science
-understand general data science methods
-choose the appropriate data science 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.
-develop an approach for the analysis of various types of real data
-recognize the importance of empirical analysis based on real data
-understand the necessity of interpreting results based on domain knowledge
データサイエンスの基礎的手法を解説する。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. Students will learn the concepts, techniques, and tools they need to analyze various types of real data.
| 1 | データ分析のためのPythonの基礎 |
| 2 | データの可視化と図の作成 |
| 3 | データの前処理（正規化，交差検証） |
| 4 | 次元削減 |
| 5 | 回帰分析 |
| 6 | モデル選択と非線形回帰 |
| 7 | 機械学習の説明可能性 |
| 8 | 時系列データの分析１ |
| 9 | 時系列データの分析２ |
| 10 | ビッグデータの取り扱い |
| 11 | データ分析のためのLinuxコマンドの使い方 |
| 12 | データ分析のためのawkの使い方 |
| 13 | 分析結果のプレゼンテーションとディスカッション |
| 14 | 分析結果のプレゼンテーションとディスカッション |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
各自の授業の理解度に応じて、適宜、復習することを薦める。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業への参加度と７回程度のレポート(100%) |
| 備考 (Notes) | ||
なし/None
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業内で適宜指示する。 |
1〜7回は天本，8〜14回は大西が担当する．
本科目は、全授業回数の50％以上がディスカッションなど双方向形式の授業によって運営される。