演習A-1

応用データサイエンス学位プログラム

MADS2104

コース情報

担当教員: 堀江 哲也

単位数: 2

年度: 2024

学期: 春学期

曜限: 火5

形式: 対面授業

レベル: 600

アクティブラーニング: なし

他学部履修: 不可

評価方法

出席状況

50%

授業参加

50%

詳細情報

概要

担当教員の指導の下,データサイエンスの研究課題に関連した学術教科書を輪番で解説し,討論・発表会を行い,今後特定課題を完成するうえで必要となる基礎知識の向上を目指す。演習A-1では特定の分野に限定せず,幅広い基本的な知識を高める。その過程を通して,カリキュラム・ポリシーである「データサイエンスの基礎知識やスキルおよびリテラシーや学術的な視点の修得」を行う。

目標

データサイエンスにおける最新の学術研究を理解できるようにする。これによりディプロマ。ポリシーである「応用データサイエンスおよび関連分野において最先端で活躍できる専門知識を身につけるとともに,新手法の開発や新分野の開拓をできる力」「自らの専門分野に加え,それ以外の自然科学あるいは社会科学との学生分野も含めて広範囲に学ぶことにより,データサイエンスが人間社会や地球環境に与える影響などを多面的にとらえる力」の育成を行う。

授業外の学習

ゼミ形式なので,担当部分の発表準備と,他の学生発表分の復習を行う。発表準備および復習に必要な時間の目安は6時間程度と4時間程度である。

所要時間: 発表準備:6時間程度 復習:4時間程度

スケジュール

  1. イントロダクション
  2. 確率と回帰の復習:OLSの代数的な性質
  3. 確率と回帰の復習:最良線形予測定理・回帰CEF定理
  4. 確率と回帰の復習:OLS推定量の分散・頑健標準誤差・クラスタ頑健標準誤差
  5. 非巡回的有向グラフ
  6. 潜在的アウトカム因果モデル:物理的なランダム化
  7. 潜在的アウトカム因果モデル:ランダム化推論
  8. マッチングと層別化:層別化
  9. マッチングと層別化:完全マッチング
  10. マッチングと層別化:近似マッチング
  11. 回帰不連続デザイン:RDDの推定
  12. 回帰不連続デザイン:識別
  13. 操作変数:均質な処置
  14. 操作変数:不均質な処置

教科書

Scott Cunningham (2023)『因果推論入門~ミックステープ:基礎から現代的アプローチまで』技術評論社。

    参考書

    書籍情報はありません。

    © 2025 上智非公式シラバス. All rights reserved.