学部・大学院区分
Undergraduate / Graduate		工学部
時間割コード
Registration Code		0896260
科目区分【日本語】
Course Category
関連専門科目
科目区分【英語】
Course Category
Related Specialized Courses
科目名　【日本語】
Course Title		[遠隔]データ統計解析Ｂ
科目名　【英語】
Course Title		[remote]Statistics and Analysis B
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		春集中 その他 その他
Intensive(Spring) Other Other
授業形態
Course style		講義
Lecture
学科・専攻【日本語】
Department / Program
機械・航空宇宙工学科他
学科・専攻【英語】
Department / Program
Department of Mechanical and Aerospace Engineering etc.
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と機械学習の基礎、及び、発展的トピックを学ぶ。
授業の目的　【英語】
Goals of the Course
In this lecture, we will learn the mathematical foundation of data science and machine learning that forms the basis of AI (artificial intelligence) systems.
到達目標　【日本語】
Objectives of the Course(JPN))
データサイエンスと機械学習の基盤知識を理解する。
到達目標　【英語】
Objectives of the Course
Acquire the basic knowledge of data science and machine learning.
バックグラウンドとなる科目【日本語】
Prerequisite Subjects
特になし
バックグラウンドとなる科目【英語】
Prerequisite Subjects
Nothing Special.
授業の内容【日本語】
Course Content
- 回帰のための線形モデル
- 分類のための線形モデル
- 線形モデルの選択と評価
- クラスタリング
- 主成分分析
- 確率密度推定
- 実験計画法
- 分散分析
- 異常検知
- データ前処理とモデル診断
- 特徴選択
- 系列データ分析
授業の内容【英語】
Course Content
- Linear models for regression
- Linear models for classification
- Selection and evaluation of linear models
- Clustering
- Principal component analysis
- Probability density estimation
- Design of experiments
- Analysis of variance
- Anomaly detection
- Data preprocessing and model diagnostics
- Feature selection
- Time series analysis
成績評価の方法と基準【日本語】
Course Evaluation Method and Criteria
課題提出により成績を評価する。
成績評価の方法と基準【英語】
Course Evaluation Method and Criteria
Evaluate the grade based on the submission of the assignments.
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．受講者は受講時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，書き込みができるようにしておくことが望ましい。
履修条件・注意事項【英語】
Course Prerequisites / Notes
The lecture will be conducted by distributing blank lecture slides and writing on them during the lecture. It is preferable for the students to print out the lecture slides during the class or prepare a tablet PC, etc.
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.
講義動画をオンデマンド配信する。
授業開講形態等【英語】
Lecture format, etc.
The lecture video will be available 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)
詳細はTACTを参照すること。
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)
Refer to TACT for more details.
実務経験のある教員等による授業科目（大学等における修学の支援に関する法律施行規則に基づくもの）＜実務経験について＞
Courses taught by Instructors with practical experience(Practical experience)
実務経験のある教員等による授業科目（大学等における修学の支援に関する法律施行規則に基づくもの）<実務経験と本授業との関連性>
Courses taught by Instructors with practical experience(Relevance of the practical experience to this course)