データサイエンス特論
博士前期課程理工学研究科 - 理工学専攻
MSIS7170
コース情報
担当教員: 呉 里奈
単位数: 2
年度: 2024
学期: 秋学期
曜限: 月4
形式: 対面授業
レベル: 500
アクティブラーニング: あり
他学部履修: 可
評価方法
出席状況
10%
リアクションペーパー
30%
レポート
30%
その他
演習課題
30%
詳細情報
概要
現代において,「データサイエンス」はデータと現象の把握に欠かせない要素となっている。データサイエンスをこなしデジタル変革(DX)における専門人材となるには,物事を分析するにあたっての適切なデータの選択と分析方法の理解が重要である。 本講義では,座学においては散布図や箱ひげ図などのグラフの読み方や構成について,また現在話題の人工知能についても解説を行う。実践的な部分では,PCを使用してGoogle Colabを通じた機械学習や深層学習の実装をPythonで行う。
目標
1. 座学やプログラミングを通して,データの⾒⽅や出⼒を学ぶ 2. 機械学習と深層学習の基本的な実装方法をプログラミングを通して学ぶ
授業外の学習
(予習) 約2時間: 特にPythonを⽤いての実践では,基本的な操作(if⽂やfor⽂の使い⽅など) は省くので未経験者は下の参考書1を通して予習すること (復習) 約2時間
所要時間: 予習と復習を合わせて約4~5時間
スケジュール
- ※以降の講義は進捗状況に応じて変更する可能性があり データサイエンティストの役割について
- データにおいての平均値,中央値,平均値
- データを⽤いたグラフらの読み⽅①
- データを⽤いたグラフらの読み⽅②
- Pythonを使っての実践) Numpy, Pandas
- Pythonを使っての実践) グラフの描写
- ⼈⼯知能および⼈⼯知能の研究領域の解説
- Pythonを使っての実践) scikit-learnを⽤いての回帰学習
- Pythonを使っての実践) scikit-learnを⽤いてのクラス分類
- Pythonを使っての実践) Tensorflowと深層学習
- Pythonを使っての実践) Tensorflowを⽤いての回帰学習
- Pythonを使っての実践) Tensorflowを⽤いてのクラス分類
- 人工知能の懸念と課題
- レポート作成
教科書
資料はmoodleで掲載する
参考書
Python 1年⽣ 体験してわかる︕会話でまなべる︕プログラミングのしくみ
著者: 森巧尚
出版社: 株式会社翔泳社・2017年