理工学部Faculty of Science and Engineering
PRI300XF（情報学基礎 / Principles of informatics 300）データ分析Data analysis
作村 建紀Takenori SAKUMURA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | H6816 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 水2/Wed.2 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | |
| 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 | |
| カテゴリー＜理工学部＞Category |
経営システム工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
(Course outline)
In this lecture, we will learn the concept of Bayes statistics, which is very familiar to us in our daily life. The main objective is to use Bayes statistics to analyze many events from the real world.
(Learning objectives)
The goal of this course is for students to understand the concept of Bayesian statistics and to be able to construct procedures for solving real-world problems using Bayesian methods.
(Learning activities outside of the classroom)
After each class meeting, students will be expected to have understood the content, submitted an attendance sheet and completed the required assignments.
(Grading criteria /policies)
Your overall grade in the class will be decided based on exercises (30%) and reports (70%). Active participation in the lectures will also be evaluated.
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
本講義は，日常に良く馴染むベイズ統計学の考え方を学ぶ．特に，実際に起こりうる事象を数多く取り上げ，そのデータに基づいた問題解決のためのベイズ統計学の活用を主目的とする．
到達目標Goal
ベイズ統計学の考え方を理解する．現実の問題において，ベイズの活用による問題解決の手順を構築できる．
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?
ディプロマポリシーのうち、「DP1」と「DP2」と「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. ）
講義形式で行う．必要に応じて，演習の時間などをとる．演習等の提出・フィードバックは「学習支援システム」を通じて行う予定である．また，授業内で挙がった良いコメントは紹介し，さらなる議論に活かす．
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.)
あり / Yes
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。
1[対面/face to face]：ガイダンス
ガイダンスを行う．
2[対面/face to face]：ベイズの考え方
ベイズの定理の考え方について，身近な例を通して学ぶ．
3[対面/face to face]：ベイズ更新
事後確率を更新していくベイズ更新の方法について理解する．
4[対面/face to face]：ベイズ決定
繰り返し観測される事象において，ベイズによる確率の更新とその意思決定への利用について学ぶ．
5[対面/face to face]：ベイズ探索
ベイズ決定を利用した探索問題について実例を通して学ぶ．
6[対面/face to face]：因果関係とベイズモデル
複雑な因果関係をもつケースにおけるベイズモデルの構築とその更新，および決定について学ぶ．
7[対面/face to face]：ベイズと確率分布
ベイズ統計学の観点から，確率分布の基礎事項を学ぶ．
8[対面/face to face]：確率分布とベイズ更新
観測データに二項分布を仮定したときのベイズ更新について学ぶ．
9[対面/face to face]：1標本のベイズ推定
繰り返し観測できないケースにおけるベイズ推定の方法について学ぶ．
10[対面/face to face]：予測分布
ベイズ予測として，予測分布の理論と方法を学ぶ．
11[対面/face to face]：共役事前分布
ベイズ推論で重要な事前分布について，ベイズ更新で利用してきた共役な事前分布について学ぶ．
12[対面/face to face]：状態空間モデルI
ベイズによる推測の応用として，状態空間モデルを紹介する．
13[対面/face to face]：状態空間モデルII
状態空間モデルによる推測の代表例であるカルマンフィルタの方法について学ぶ．
14[対面/face to face]：状態空間モデルIII
状態空間モデルにおけるフィルタリング分布と予測分布について学ぶ．
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・復習等の授業時間外学習は、4時間を標準とする】毎回の授業終了後、内容を理解した上で出席票と課題を提出する．
テキスト（教科書）Textbooks
特になし．授業支援システムを介して関連資料を配布する．
参考書References
・藤田一弥 (2015) 見えないものをさぐる—それがベイズ ツールによる実践ベイズ統計.
・手塚太郎 (2019) しくみがわかるベイズ統計と機械学習, 朝倉書店.
・須山敦志 (2018) 機械学習スタートアップシリーズ ベイズ推論による機械学習入門.
成績評価の方法と基準Grading criteria
演習(30%)，および2回のレポート(70%)で評価する．また，授業へ取り組む姿勢も評価に加味する．
学生の意見等からの気づきChanges following student comments
授業内でディスカッションする時間を設けているが，テーマがまとまらないという意見があった．ディスカッションを促進するよう，クイズの出題などの工夫を心がける．
学生が準備すべき機器他Equipment student needs to prepare
特になし
その他の重要事項Others
特になし