|
Subject Name
|
Data Science
|
|
Teacher Name
|
和田 安弘,中川 健治,山本 和英
|
|
Class
|
００
|
|
Semester
|
the first term
|
Term
|
The first semester
|
|
Lecture Form
|
lecture
|
Credit
|
2
|
|
Matter of Prepare
|
|
|
Note
|
12DCF4
|
|
教員室または連絡先
|
居室（山本）：電気1号棟5階508室、内線9524
Email: ykaz@vos.nagaokaut.ac.jp
居室（中川）：電気1号棟5階507室、内線9523
Email: nakagawa@vos.nagaokaut.ac.jp
居室（和田）：電気1号棟６階608室、内線9534
Email: ywada@vos.nagaokaut.ac.jp
|
|
授業目的および達成目標
|
授業目的
データサイエンスは社会に溢れる様々なデータあるいは情報から何らかの価値あるいは「知」を引き出す新しい学問分野である。ビジネス、医療、教育、行政など様々な場面において高度なデータ処理能力、データ分析力が求められている。本講義では、データサイエンスの基礎を学ぶことを目的とし、データの分析手法やその背景知識を学習、理解する。特に、本講義では、データの解析に必要となる統計学の基本的な考え方（推定と仮説検定）や手法を学習し、次に機械学習について、数学的基礎から神経回路網の学習及び制御アルゴリズムを学ぶ。また、テキストデータ分類アルゴリズムを学び、これらの手法を理解し実際に現実的な問題に適用できるようになることを目的とする。
学習・教育目標
（Ｃ）電気電子情報工学分野の技術者として必要な専門知識を修得している
（Ｃ－２）「電気エネルギーシステム・制御工学」「電子デバイス・フォトニクス工学」「情報通信制御システム」のいずれかの分野の技術者として要求される、発展的な専門知識を修得している
達成目標
・ 推定、検定の基礎である正規母集団について理解すること。
・ 不偏推定量、推定値の信頼区間について理解すること。
・ 有意性の意味、帰無仮説と対立仮説、第一種・第二種誤り率について理解すること。
・ 様々な検定法を理解し、実際のデータ処理に応用すること。
・ 機械学習メカニズムを理解し、計算機プログラミングができること。
・ 神経回路網モデルの制御・計測への応用を理解すること。
・ 主なデータ分類アルゴリズムを理解すること
・ ツールやプログラミングなどの手段で実際にデータを分析できること
|
|
授業キーワード
|
正規母集団、不偏推定量、信頼区間、帰無仮説と対立仮説、各種検定法、神経回路網、機械学習及び制御アルゴリズム、データ分類手法、テキスト解析
|
|
授業内容および授業方法
|
配布資料等に沿って講義を行なう。
|
|
授業項目
|
第１週：標本分布について
第２週：点推定と区間推定
第３週：仮説検定（基本的な事項と各種検定法）
第４週：仮説検定（各種検討法）
第５週：復習と達成度確認テスト
第６週：機械学習のための数学的基礎（最急降下法）
第７週：機械学習のための数学的基礎（最尤推定法）
第８週：機械学習のための数学的基礎（ベイズ推定）
第９週：機械学習及び制御メカニズム（誤差逆伝搬を中心に）
第１０週：復習と達成度確認テスト
第１１週：テキストデータと前処理（言語データの種類、文字コード、ノイズ除去など）
第１２週：データ分類手法（決定木、最近傍法、SVMなど）
第１３週：テキスト解析（類似性、重要性、共起など）
第１４週：テキスト処理システム（推薦システム、評判分析、システム評価など）
第１５週：復習と達成度確認テスト
|
|
授業時間外学習（予習・復習等）
|
学習効果を上げるため、教科書等の該当箇所を参照し、授業内容に関する予習を90分程度行い、授業内容に関する復習を90分程度行うことが望ましい。
|
|
教科書
|
教科書は指定しない。
|
|
参考書
|
「統計学入門」東京大学教養学部統計学教室編 東京大学出版
「深層学習」 岡谷貴之著 講談社
「テキスト処理の要素技術」 山本和英著 近代科学社 (2019予定)
「メカ屋のための脳科学入門-脳をリバースエンジニアリングする-」
高橋宏知著 日刊工業新聞社
「データサイエンティスト養成読本」 技術評論社
|
|
成績の評価方法と評価項目
|
３回の確認テスト（60点）及び３回のレポート（40点）を実施し、それらの平均点により100点満点で総合評価する。その結果が60点未満の者に対して別途試験を行う場合がある。別途試験で60点以上の得点をとれば、60点として単位を認定する。
|
|
留意事項
|
「電気電子情報数学及び演習Ⅰ」「最適化理論とその応用」を修得していることが望ましい。
講義時間に出題する演習問題や課題については、本講義の重要なポイントを含んでいるため、必ず復習し理解すること。
|
|
参照ホームページ名
|
|
|
参照ホームページアドレス
|
|
