数理情報概論
| 開設大学 | 名古屋工業大学 |
|---|---|
| 科目コード | 260305 |
| 担当教員 | 高木 優（工学研究科准教授） |
| 学年配当 | 2年 |
| 単位数 | 2単位 |
| 曜日 | 金曜 |
| 開講期間 | 前期 |
| 実施形式 | 対面 |
| 開講時間割１ | 1限,2限 08:50 ～ 10:20 |
| 教室 | 御器所キャンパス52・53号館5212講義室 |
| 募集時期 | 4月 |
| 開講期間 | 4/10～7/24 |
| 講義概要 | 【授業の目的・達成目標】 様々な分野の科学研究や技術開発において、研究開発対象に関するデータを活用するデータ駆動型アプローチが有望視されている。実際、社会を変革しつつある人工知能システムの多くはデータ駆動型であり、様々な技術革新の源となっている。大量かつ複雑なデータを活用するには、データ科学や機械学習などの知識が必要となる。あらゆる分野の研究者・技術者がデータ科学や機械学習を正しく理解し、活用できるようになることが望まれている。 本講義では、データ科学や機械学習を学ぶための前提となる数理情報技術のうち、基本的かつ重要なものに焦点を絞って学習する。特に、不確実性を伴うデータを扱うための統計学、大規模なデータを扱うための数値線形代数、データに潜む知識を抽出するための最適化の基本的な考え方を学び、これらがデータ科学や機械学習においてどのように活用されるのかを理解する。本講義の目的は、基盤となる数理情報技術を理解することで、それぞれの専門分野でデータ駆動型アプローチを活用できる人材を育成することである。 【授業計画】 イントロ 第01回 本講義の概要 第02回 線形モデルと最小二乗法 第03回 確率モデリング 第04回 統計的推測 第05回 データ分析と行列・ベクトル計算 第06回 データ分析とベクトル空間 第07回 最尤推定法 第08回 演習&復習1 第09回 ロジスティック回帰分析 第10回 クラス分類・パターン認識 第11回 不確実環境における統計的意思決定 第12回 モデルの選択と評価 第13回 非線形モデリングとニューラルネットワークの基礎 第14回 演習&復習2 第15回 期末試験 第16回 データ科学やAIにおける倫理的・法的・社会的課題 |
| テキスト･参考文献 | 【教科書】 特になし．講義スライドをMoodleで公開する． 【参考書】 Rによる統計的学習入門（ただし、本講義でRは利用しない） 統計学入門（基礎統計学I）ISBN-10: 9784130420655 入門 統計学 ?検定から多変量解析・実験計画法まで: ISBN-10: 4274068552 統計的学習の基礎 ---データマイニング・推論・予測--- ISBN-10: 432012362X Pythonで学ぶ統計的機械学習 ISBN-10: 4274223051 |
| 試験・評価方法 | 講義中に課される課題の提出状況と期末試験の得点により成績を評価する [単位認定のための必要条件] 演習課題を提出すること 期末試験を受けること 期末試験後、第16回の講義を受講すること [課題提出 (40点)] 講義中に出題される演習問題に手書きで回答し，写真をとってMoodleへUploadする形で行う 課題提出〆切1回目は翌週の講義前日の17:00、2回目は翌々週の講義前日の17:00とする 第1回の〆切後、課題のヒントの動画を公開する できるだけ〆切1回目までに提出し、どうしてもできなかった場合はヒント動画を参考にして解き、〆切2回目には必ず提出すること [期末試験 (60点)] 期末試験では，A4用紙8ページ（両面の場合は4枚）の自作の手書きメモを持ち込み可とし，試験終了後に解答用紙と一緒に提出してもらう． |
| 別途必要な経費 | 特になし |
| その他特記事項 | 線形代数ならびに微分積分の学修を終えていること 講義スライド内の例題と演習を理解し，自力で解けるようにしておくこと |
| 科目名（英語） | Introduction to Data Science |
| 使用言語 |
