授業科目名
  データサイエンス
   Data Science
時間割番号
6615
担当教員名
  稲津　佑
実務経験
反映科目
学科・年次
  工学部 情報工学科
  工学部 創造工学教育課程
  2年次
科目区分
  専門教育科目
単位数
2
時間割
  後期 金曜1-2限
授業形態
講義
授業実施方法
  ☑ 対面【一部遠隔の場合あり】
  ☐ 全て遠隔【全授業（テストを除く）をオンデマンドで実施（全オンデマンド型）】
  ☐ 全て遠隔【同時双方向で実施】
  ☐ 全て遠隔【オンデマンド及び同時双方向で実施】
  ☐ 1/2遠隔【全授業のうち、1/2以上を遠隔（オンデマンド又は同時双方向）】

・「全て遠隔」又は「1/2遠隔」に✓のある科目は、遠隔授業の上限単位数60単位に算定されます。
・大学院には遠隔授業における上限単位数はありません。
ディプロマ・ポリシーとの対応
☐ 1. 人間，文化，社会を理解し，それらを技術的観点から考察する能力と技術を新しい生活につなぐ強い使命感・責任感，高い倫理観
☑ 2. 現象の理解・操作のための数理的基礎知識と科学的素養
☐ 3. 国内外の人々と対話できるコミュニケーション力と論理的思考力
☑ 4. （高度工学教育課程のみ）基幹となる専門分野の基盤的な知識・技術とこれによって課題を解決する能力，新たな知識・技術を習得する能力
☑ 4. （創造工学教育課程のみ）基幹となる専門分野の基礎知識と他の分野の知識・技術を関連づけ多面的に見ることで新たな価値を創出する能力
授業の目的・達成目標

本講義では数理情報概論で学んだ内容をベースとし，データサイエンスについて学ぶ．

授業計画

第01回 イントロダクションおよび確率と分布（確率の復習）
第02回 回帰問題のための線形モデリング（数理情報概論の復習）
第03回 分類問題のための線形モデリング（数理情報概論の復習）
第04回 線形モデルの統計的性質
第05回 正則化の基礎
第06回 スパースモデリング
第07回 ベイズモデリング
第08回 中間試験
第09回 クラスタリング
第10回 主成分分析
第11回 確率密度推定
第12回 統計的決定理論
第13回 選択バイアスと多重検定
第14回 相関と因果
第15回 復習 & 演習 
第16回 期末試験

成績評価の方法

講義中に課される課題の提出状況と中間および期末試験の得点により成績を評価する． 

成績評価の基準
秀　 達成目標を超えた成果を上げている　100点～90点
優　 達成目標に十分達している　　　　　89点～80点
良　 達成目標に達している　　　　　　　79点～70点
可　 達成目標に概ね達している　　　　　69点～60点
不可 達成目標に達していない　　　　　　59点以下

[課題提出 (20点)]

講義中に出題される演習問題に手書きで回答し，写真をとってMoodleへUploadする形で行う．

課題提出〆切1回目は翌週の講義前日の17:00，2回目は翌々週の講義前日の17:00とする．

〆切1回目までに提出した場合は4点満点，〆切2回目までに提出した場合は1点満点として採点する．

[中間試験（20点），期末試験 (60点)]

事前・事後学修等の指示及び履修にあたっての注意事項

ホームページにて配布される空白のあるスライドに書き込みながら講義を行うため，受講者はスライドを印刷した紙か，スライドを保存したタブレット端末を用意すること．

講義スライド内の例題と演習を理解し，自力で解けるようにしておくことが好ましい．

事前学習120分・事後学習120分．

教科書
特になし．講義スライドをMoodleで公開する．
参考書