学部・大学院区分
Undergraduate / Graduate		工学部
時間割コード
Registration Code		0856310
科目区分【日本語】
Course Category
専門科目
科目区分【英語】
Course Category
Specialized Courses
科目名　【日本語】
Course Title		数値解析法
科目名　【英語】
Course Title		Numerical Analysis
コースナンバリングコード
Course Numbering Code
担当教員　【日本語】
Instructor		竹内 一郎 ○
担当教員　【英語】
Instructor		TAKEUCHI Ichiro ○
単位数
Credits		2
開講期・開講時間帯
Term / Day / Period		春 月曜日 ４時限
Spring Mon 4
授業形態
Course style		講義
Lecture
学科・専攻【日本語】
Department / Program
機械・航空宇宙工学科
学科・専攻【英語】
Department / Program
Department of Mechanical and Aerospace Engineering
必修・選択【日本語】
Required / Selected
選択
必修・選択【英語】
Required / Selected
Elective


授業の目的　【日本語】
Goals of the Course(JPN)
本講義では，AI（人工知能）システムの数理的基盤となるデータサイエンスを学ぶ。
授業の目的　【英語】
Goals of the Course
In this lecture, we will learn data science, which serves as the mathematical foundation of AI (artificial intelligence) systems.
到達目標　【日本語】
Objectives of the Course(JPN))
データサイエンスの基礎知識を身に付ける。
到達目標　【英語】
Objectives of the Course
Acquire the basic knowledge of data science.
バックグラウンドとなる科目【日本語】
Prerequisite Subjects
計算機ソフトウェア第1，計算機ソフトウェア第2
数学基礎Ｉ，II，III，IV，Ｖ，数学１及び演習，数学2及び演習
バックグラウンドとなる科目【英語】
Prerequisite Subjects
Fundamental Mathematics I,II,III,IV and V:Mathematics 1 and 2 with Exercises
授業の内容【日本語】
Course Content
線形モデルと最小二乗法
線形単回帰分析
確率モデル
仮説検定
線形モデルの行列・ベクトル表現
線形重回帰分析
最尤推定法
ロジスティック回帰分析
高次元モデルと非線形モデル
過学習と正則化
モデルの選択と評価
実験計画法
Pythonによるプログラミング演習
授業の内容【英語】
Course Content
Linear model and least-square method
Simple linear regression
Probabilistic modeling
Statistical inference
Matrix-vector representation of linear models
Multiple linear regression
Maximum likelihood method
Logistic regression
High-dimensional and non-linear models
Over-fitting and regularization
Model selection and evaluation
Experimental design
Python programming exercise
成績評価の方法と基準【日本語】
Course Evaluation Method and Criteria
定期試験（70％）と演習課題（30％）で評価し，100点満点中60点以上を合格とする．
成績評価の方法と基準【英語】
Course Evaluation Method and Criteria
The score will be totally evaluated by the final examination (70%) and exercises (30%). The pass line is 60%.
履修条件・注意事項【日本語】
Course Prerequisites / Notes
空白を含む講義スライドを配布し，そこに書き込みながら講義を実施する．受講者は事前に講義スライドを印刷するか，タブレットPCなどを準備して，講義時に書き込みができるようにしておくことが望ましい（詳細は初回講義で説明する）
履修条件・注意事項【英語】
Course Prerequisites / Notes
We distribute lecture slides containing blanks, and conduct the lecture while writing on them. It is desirable for the students to either print out the lecture slides beforehand or prepare a tablet PC so that they can write during the lecture (details will be explained in the first lecture)
教科書【日本語】
Textbook
講義資料を配布する
教科書【英語】
Textbook
Lecture materials will be provided.
参考書【日本語】
Reference Book
統計的学習の基礎 ―データマイニング・推論・予測（共立出版 2014）

パターン認識と機械学習上・下（丸善出版 2012）
参考書【英語】
Reference Book
Elements of statistical learning 2nd ed. (Trevor Hastie et al., Springer)

Pattern recognition and machine learning (Christopher M. Bishop, Springer)
授業時間外学習の指示【日本語】
Self-directed Learning Outside Course Hours
講義で課された課題に取り組むこと。
授業時間外学習の指示【英語】
Self-directed Learning Outside Course Hours
Working on the assigned exercises.
使用言語【英語】
Language used
使用言語【日本語】
Language used
授業開講形態等【日本語】
Lecture format, etc.
原則として対面式で実施するが、教員の出張時など、一部をオンラインやオンデマンドで実施する場合もある。
授業開講形態等【英語】
Lecture format, etc.
In principle, it will be conducted in a face-to-face format, but in some cases, such as when the instructor is on a business trip, some parts may be conducted online or on demand.
遠隔授業（オンデマンド型）で行う場合の追加措置【日本語】
Additional measures for remote class (on-demand class)
初回講義で説明する。
遠隔授業（オンデマンド型）で行う場合の追加措置【英語】
Additional measures for remote class (on-demand class)
Details will be explained in the first lecture.