学部・大学院区分情報・博前
時間割コード2500006
科目区分
共通科目
科目名　【日本語】実世界データ解析学特論
科目名　【英語】
コースナンバリングコードGSI-00-5006
担当教員　【日本語】西田　直樹 ○ 武田　一哉
担当教員　【英語】NISHIDA Naoki ○ TAKEDA Kazuya
単位数1
開講期・開講時間帯秋１期 木曜日 ５時限
Fall1 Thu 5
対象学年１年
1
授業形態
開講系（学部）・開講専攻（大学院）
共通
必修・選択


授業の目的　【日本語】
授業の目的　【英語】
Data analysis for the real-world data circulation
到達目標　【日本語】
実世界データ循環学の基礎となる様々なデータ解析手法について研究分野を横断して学び，
実世界データを解析するための基礎的なスキルを身につける。
到達目標　【英語】
This course introduces various methods of data analysis for the real-world data circulation across various research fields. It also enhances the development of students’ skill in analyzing real-world data.
授業の内容や構成
確率・統計の基礎，仮説検定，信号処理，パターン認識，機械学習等について学ぶ。

〔計画〕
1. 確率・統計の基礎（条件付確率，確率変数，確率分布）
2. 区間推定・仮説検定（信頼区間，帰無仮説・対立仮説）
3. 統計モデル・統計的決定理論（指数型分布族，最尤推定，モデル選択，ベイズの定理）
4. 信号分析（フィルタリング，離散フーリエ変換）
5. 雑音除去（平滑化，スペクトル減算）
6. 信号モデリング（回帰，クラスタリング，マルコフモデル）
7. 特徴抽出（主成分分析，判別分析）
8. パターン識別（決定境界，最近傍法，過適合）
9. 機械学習（教師あり学習，教師なし学習，ニューラルネット，サポートベクタマシン）
This course deals with the principles of probability statistics, hypothesis testing, signal processing, pattern recognition, machine learning, and so on.

[Plan]
1. The fundamentals of probability statistics (Conditional probability, Random variable, Probability distribution)
2. Interval estimation, Hypothesis testing (Confidence interval, Null hypothesis/Alternative hypothesis)
3. Statistical model, Statistical decision theory (Exponential family of distributions, Maximum likelihood estimation, Model selection, Bayes’ theorem)
4. Signal analysis (Filtering, Discrete Fourier transform)
5. Denoising (Smoothing, Spectral subtraction)
6. Signal modeling (Regression, Clustering, Markov model)
7. Feature extraction (Principal component analysis, Discriminant analysis)
8. Pattern classification (Decision boundary, Nearest neighbor classification, Overfitting)
9. Machine learning (Supervised learning, Unsupervised learning, Neural networks, Support vector machine)
履修条件・関連する科目
成績評価の方法と基準
筆記試験１００点満点で評価し，６０点以上を合格とする。
The final grade will be determined by the points of a written exam. To pass, students must earn at least 60 points out of 100.
教科書・参考書
必要に応じて講義資料・参考資料を配布する。履修条件を要さない。
Handouts will be distributed in the class if needed. No requirement.
課外学習等（授業時間外学習の指示）
講義時に指定する。
Homework will be assigned in the class.
授業開講形態等
遠隔授業（オンデマンド型）で行う場合の追加措置