日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 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 |
VR401/VR401VR401 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
ハイフレックス/HyFlexHyFlex |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
金5･X305/Fri.5･X305 Fri.5･X305 |
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR5200 |
| 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/ Grade (Year) RequiredGrade (Year) Required |
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 |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ course cancellationcourse cancellation |
－（履修中止制度なし/ No system for 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 |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
|
| テキスト用コード/ Text CodeText Code |
VR401 |
The purpose of this course is to cultivate a perspective that gives a bird's-eye view of the entire data science field. As the accumulated social digital data and scientific data increase exponentially, advanced data science technologies are becoming important in various fields. In this course, students are expected to learn practical examples of data science and the mathematical, statistical, and computational techniques behind them as a bridge to specialized learning and research.
This course consists of introductory lectures on data science for beginners in data science. It introduces examples of how data science technology is used in natural sciences, social sciences, and business, and explains the basic ideas and knowledge of mathematical, statistical, and computational technologies used there.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
データサイエンス分野の全貌を俯瞰的にとらえる視点を養うための入門講義。蓄積されるソーシャルデジタルデータや科学データが指数的に増大する現在、様々な分野で高度なデータサイエンス技術が重要になってきている。本授業は、専門的な学習・研究開発への橋渡しとして、データ駆動型科学およびデータサイエンスの実例とその背景となる数理・統計・計算技術の概要について学ぶ。
The purpose of this course is to cultivate a perspective that gives a bird's-eye view of the entire data science field. As the accumulated social digital data and scientific data increase exponentially, advanced data science technologies are becoming important in various fields. In this course, students are expected to learn practical examples of data science and the mathematical, statistical, and computational techniques behind them as a bridge to specialized learning and research.
データサイエンスへの入門という位置づけで初学者を対象として、データサイエンス技術が自然科学・社会科学やビジネスにおいてどのように活用されているのか実例を挙げて紹介し、そこで用いられている数理・統計・計算技術について基本的な考え方や知識を説明する。本講義は概説であるため、具体的な数理・統計やアルゴリズムは、あらためて「機械学習」「深層学習」「数理科学概論」「統計モデリング1,2」などで学ぶことを想定している。
This course consists of introductory lectures on data science for beginners in data science. It introduces examples of how data science technology is used in natural sciences, social sciences, and business, and explains the basic ideas and knowledge of mathematical, statistical, and computational technologies used there.
| 1 | データサイエンスと人工知能への招待 |
| 2 | データの可視化 |
| 3 | データ分析と数理モデル |
| 4 | 回帰分析とカーブフィッティング |
| 5 | 確率と統計の基礎１（確率論、記述統計） |
| 6 | 確率と統計の基礎２（統計的推定、仮説検定） |
| 7 | 微分方程式によるモデリング |
| 8 | 確率過程によるモデリング |
| 9 | 時系列モデリング |
| 10 | スペクトル分析 |
| 11 | 機械学習・パターン認識 |
| 12 | 探索的データ分析 |
| 13 | パラメータ推定・モデル評価 |
| 14 | 今後の学習に向けて |
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
授業時間外の学習は、必要に応じて別途指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
複数回の小レポート(70%) 授業への参加度(30%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 江崎貴裕 | データ分析のための数理モデル入門 | ソシム株式会社 | 2020 | 9784802612494 |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 橋本洋志、牧野浩二 | データサイエンス教本 | オーム社 | 2018 | 9784274222900 |
| 2 | 塚本邦尊、山田典一、大澤文孝 | 東京大学のデータサイエンティスト育成講座 | マイナビ出版 | 2019 | 9784839965259 |
本科目は、5年以上の実務経験を有する実務家教員による授業であり、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。