国際文化学部Faculty of Intercultural Communication
PRI200GA(情報学基礎 / Principles of informatics 200)統計処理法Method of Statistical Transaction
吉田 一星Issei YOSHIDA
授業コードなどClass code etc
学部・研究科Faculty/Graduate school | 国際文化学部Faculty of Intercultural Communication |
添付ファイル名Attached documents | |
年度Year | 2024 |
授業コードClass code | C0210 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 春学期授業/Spring |
曜日・時限Day/Period | 火5/Tue.5 |
科目種別Class Type | |
キャンパスCampus | 市ヶ谷 / Ichigaya |
教室名称Classroom name | 市Y‐Y405 |
配当年次Grade | 1~4 |
単位数Credit(s) | 2 |
備考(履修条件等)Notes | |
他学部公開科目Open Program | |
他学部公開(履修条件等)Open Program (Notes) | |
グローバル・オープン科目Global Open Program | |
成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | ○ |
成績優秀者の他学部科目履修(履修条件等)Interdepartmental class taking system for Academic Achievers (Notes) | |
実務経験のある教員による授業科目Class taught by instructors with practical experience | ○ |
SDGsCPSDGs CP | |
アーバンデザインCPUrban Design CP | |
ダイバーシティCPDiversity CP | |
未来教室CPLearning for the Future CP | |
カーボンニュートラルCPCarbon Neutral CP | |
千代田コンソ単位互換提供(他大学向け)Chiyoda Campus Consortium | |
旧科目との重複履修Duplicate Subjects Taken Under Previous Class Title | |
人数制限・選抜・抽選Capacity/Selection/Rondom | |
毎年・隔年Frequency | 毎年開講 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
[Course Outline]
In our daily life, we find a large amount of data available through the internet and social media. It is often difficult to extract only necessary information from the various kind of massive data and interpret the information. Statistics is a methodology for quantifying and objectively analyzing data.
[Learning Objectives]
Students should be able to do the followings at the end of this course:
- Master basics of data visualization (graphs)
- Understand some ways of interpreting results of data analytics
- Understand basic statistical values (mean, variance, correlation coefficient, etc.)
- Understand basic knowledge of combinatorics and probability, and apply it to concrete calculation
- Understand the notion of probability distribution and its application to real world problems
[Learning activities outside of classroom]
Students will be expected to complete homework after each class meeting. A typical time for the homework and to understand the course content after a class meeting is two hours.
[Grading Criteria/Policies]
Final grade will be calculated according to the following process: Mid-term examination (30%) and Term-end examination (70%).
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的(何を学ぶか)Outline and objectives
みなさんは、新聞、テレビ、インターネットなどを通してデータに日々接しています。これらの、大量で多様なデータの中から、必要なものを情報として抽出し、適切な解釈を与えることはけっして容易なことではありません。
統計学はデータを数値化し、客観的に分析・評価することで、本質を捉えようとするための方法論です。この科目ではそのような統計学の基本的な考え方について学んでいきます。
また、自然言語処理技術の研究開発の実務に携わっている講師が、現在ブームとなっている生成AIに使われている確率統計の考え方を紹介したいと思います。
到達目標Goal
・データの可視化(グラフ化)の方法を身につける
・データを解釈する方法を身につける
・基本統計量(平均、分散、相関等)の算出方法を理解する
・確率の計算方法を理解し、具体的な計算を実施できる
・確率分布の概念と、その実世界への応用の方法を理解する
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか(該当授業科目と学位授与方針に明示された学習成果との関連)Which item of the diploma policy will be obtained by taking this class?
国際文化学部のディプロマポリシーのうち、「DP2」「DP3」「DP4」に関連。
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)(学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. )
授業では、統計学の基本的な考え方を学んでいきます。統計を直感でなくデータに基づいて議論するための、最低限必要な確率の定義やその使い方を丁寧に解説します。その確率の言葉を使って、観測したい現象を数値データとして表現し分析するための統計的な道具を、多くの具体例に適用します。
数学に興味がある人はもちろん、そうではない人でも、統計的な考え方が楽しめるようにしたいと思いますので、履修される方には授業への積極的な参加を期待します。
授業は講義と演習から成ります。学んだ内容を具体的な問題に適用して解く計算の時間が、ほぼ毎回あります。授業の終わりには、その回の授業内容の理解を確認するための宿題を出します。宿題は成績評価の対象ではありませんが、次の回以降の授業は宿題の理解を前提として進めますので、次の回までに必ず自分で解いてみて下さい。
また、中間試験・期末試験(「成績評価の方法と基準」を参照)の採点について、単なる答え合わせでない内容の解説を行うために、中間試験に関しては授業中に詳しい解説の時間を確保します。期末試験に関しては、学習支援システム上に解説資料を掲載します。
アクティブラーニング(グループディスカッション、ディベート等)の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク(学外での実習等)の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching:対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]:ガイダンスとデータの理解方法1
授業の進め方についての説明・数値データの可視化・度数分布表とヒストグラム
第2回[対面/face to face]:データの理解方法2
データの代表値とその性質
第3回[対面/face to face]:データの理解方法3
散布図と相関係数
第4回[対面/face to face]:データの理解方法4
回帰分析
第5回[対面/face to face]:確率1
確率の定義
第6回[対面/face to face]:確率2
確率の様々な計算方法
第7回[対面/face to face]:中間試験・確率3
第1回から第6回までの授業内容に関する試験・条件つき確率
第8回[対面/face to face]:確率4
中間試験の解説・条件付き確率・ベイズの定理
第9回[対面/face to face]:確率分布1
確率変数と確率分布
第10回[対面/face to face]:確率分布2
期待値と分散
第11回[対面/face to face]:確率分布3
二項分布
第12回[対面/face to face]:確率分布4
連続型確率変数と正規分布
第13回[対面/face to face]:確率分布5
確率分布の応用
第14回[対面/face to face]:期末試験・まとめ
期末試験・全体のまとめ
授業時間外の学習(準備学習・復習・宿題等)Work to be done outside of class (preparation, etc.)
本授業の準備学習・復習時間は各1時間を標準とします。毎回の授業の終わりに、その回の授業内容の理解を確認するための宿題を出します。宿題は成績評価には使用しませんが、本授業のそれぞれの回は前回までの宿題の内容の理解を前提として進めます。
テキスト(教科書)Textbooks
教科書を使用しません。講師が作成した資料を使って授業を行います。
参考書References
以下の参考書をお勧めします。
"経営・商学のための統計学入門 直感的な例題で学ぶ", 竹内広宜著, 講談社, 2021.
この他に参考となる資料は、授業の中で紹介します。
成績評価の方法と基準Grading criteria
授業中に行う中間試験と期末試験の結果を元に総合的に評価します。配点の目安としては、中間試験30%、期末試験70%となります。この成績評価の方法をもとに、本授業の到達目標の60%以上を達成した者を合格とします。
学生の意見等からの気づきChanges following student comments
その授業で学んだ内容に関連する現実世界のトピックを紹介する「コラム」が毎回好評ですので、到達目標のための学習時間を確保しながらできるだけコラムを継続したいと思います。
学生が準備すべき機器他Equipment student needs to prepare
講義時間で演習を行います。電卓がないと計算できないような問題は演習内では扱いませんが、授業に電卓などの情報機器を持ち込んでも構いません。ただし試験(中間試験・期末試験)での情報機器の持ち込みは不可です。
その他の重要事項Others
担当教員は、情報科学技術の研究開発を行う企業に所属しており、自然言語処理・機械学習分野に関して新技術の開発や製品化の実務経験を有しています。これらの技術分野では確率統計の知識が必須です。本授業で学ぶ内容がどのように役立てられるのか、授業内で紹介したいと思います。