理工学部Faculty of Science and Engineering
HUI200XE（人間情報学 / Human informatics 200）データサイエンス1データサイエンス1
平原 誠Hirahara MAKOTO
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 | 2024 |
| 授業コードClass code | H6195 |
| 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2/Tue.2 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 小東館-E105 |
| 配当年次Grade | 2年 |
| 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 |
応用情報工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
The volume of data is rapidly increasing with the spread of the Internet. The goal of data science is to find hidden features from such data and use them to make predictions. This course introduces machine learning and multivariate analysis as a possible way to achieve the goal. Topics include neural networks with supervised and unsupervised learning, least-squares method, maximum likelihood method, discriminant analysis, analysis of variance, principal component analysis, factor analysis and independent component analysis. This course places emphasis on mathematical derivation and computer implementation of them. At the end of this course, students are expected to derive the methods and implement them from scratch in Excel. Students will be expected to have completed the required assignments after each class meeting. Before/after each class meeting, students will be expected to spend four hours to understand the course content. Final grade will be calculated according to the following process: homework (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
インターネットの普及により動画，画像，音声，テキストなどのデータが急増している．データサイエンスの目的は，こうしたデータの背後に隠れている特徴を見出し，予測，分類，意思決定，制御などに役立てることである．本講義では，機械学習（ニューラルネット）や多変量解析における代表的な手法の理解を目的とする．
到達目標Goal
機械学習（ニューラルネット）や多変量解析における代表的な手法を導出でき，ライブラリなしで実装できる程度の基礎力を身に着ける．
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. ）
機械学習（ニューラルネット）や多変量解析における代表的な手法を解説する．理解を深めるため，ライブラリ等を一切用いずに，Excelを用いて一からの実装を試みる．資料配付や課題出題等は「学習支援システム」を通じて行う予定である．
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]：最小二乗法
最小二乗法の解説と実装
第2回[対面/face to face]：最尤法
最尤法の解説と実装
第3回[対面/face to face]：判別分析
判別分析の解説と実装
第4回[対面/face to face]：分散分析
分散分析の解説と実装
第5回[対面/face to face]：ニューラルネット（教師あり）１
線形モデルの解説と実装
第6回[対面/face to face]：ニューラルネット（教師あり）２
パーセプトロンの解説と実装
第7回[対面/face to face]：ニューラルネット（教師あり）３
シグモイド型モデルの解説と実装
第8回[対面/face to face]：ニューラルネット（教師あり）４
３層ニューラルネットとその学習方法（バックプロパゲーション）の解説
第9回[対面/face to face]：ニューラルネット（教師あり）５
３層ニューラルネットの実装
第10回[対面/face to face]：ニューラルネット（教師なし）１
自己組織化マップの解説と実装
第11回[対面/face to face]：ニューラルネット（教師なし）２
独立成分分析における前処理（中心化，白色化）の解説と実装
第12回[対面/face to face]：ニューラルネット（教師なし）３
独立成分分析の解説と実装
第13回[対面/face to face]：主成分分析
主成分分析の解説と実装
第14回[対面/face to face]：因子分析
因子分析の解説と実装
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】前回の復習を欠かさないこと．
テキスト（教科書）Textbooks
資料を適宜配布する．
参考書References
図書館に数多くの参考書がある．
成績評価の方法と基準Grading criteria
期末テスト70％，レポート30％．
（変更の可能性がある．その場合は授業中にその都度お知らせする）
学生の意見等からの気づきChanges following student comments
アンケート結果では特に問題点が見つかりませんでした．YouTubeへの授業動画アップロードは好評でしたので，引き続き実施します．
学生が準備すべき機器他Equipment student needs to prepare
貸与PC（Excel とgnuplot がインストールされているPC）と電源ケーブルを用意すること．
その他の重要事項Others
オンラインでの開講となった場合，オンライン授業の方法や授業計画の変更などについては，学習支援システムでその都度提示する．学習支援システムを通じた連絡がないか，日ごろからよく確認するようにしてください．