授業の目的 【日本語】
Goals of the Course(JPN) | | | 本講義では、『Rによる統計的学習入門』で扱われる内容を基盤として、統計的学習の代表的な手法の原理と応用を理解することを目的とする。特に、リサンプリング法、正則化を用いた線形モデルの拡張、木に基づく方法、非線形回帰、サポートベクターマシンなどの手法について、その基本的な考え方と適用方法を学ぶ。さらに、Rを用いた演習を通じて、実際のデータ解析において統計的学習の手法を適切に適用するための基礎的技能を身につけることを目的とする。 |
|
|
授業の目的 【英語】
Goals of the Course | | | This course covers advanced topics based on "An Introduction to Statistical Learning with R". The aim of the course is to understand major methods in statistical learning and their practical applications. Topics include resampling methods, regularized linear models, tree-based methods, nonlinear regression, and support vector machines. Through hands-on exercises using R, students will also learn how to apply these statistical learning methods to real data analysis. |
|
|
到達目標 【日本語】
Objectives of the Course(JPN) | | 学生が以下の能力を身につけることを目標とする。
1. 統計的学習における代表的な手法（リサンプリング法、正則化、木に基づく方法、非線形回帰、サポートベクターマシン）の基本的な考え方を説明できる。
2. それぞれの手法の特徴や適用場面を理解し、適切な解析手法を選択できる。
3. Rを用いて統計的学習の基本的な解析を実行し、その結果を解釈できる。 |
|
|
到達目標 【英語】
Objectives of the Course | | By the end of the course, students will be able to:
1. Explain the fundamental concepts of major statistical learning methods, including resampling methods, regularization, tree-based methods, nonlinear regression, and support vector machines.
2. Understand the characteristics and appropriate applications of these methods.
3. Perform basic statistical learning analyses using R and interpret the results. |
|
|
授業の内容や構成
Course Content / Plan | | 統計的学習入門の続き学ぶ。
1. リサンプリング法
2. 線形モデル選択と正則化
3. 非線形モデル
4.木に基づく方法
5.サポートベクターマシン
6.R演習
7.R演習
8.期末試験 / レポート
(1-7の順序は入れ替わることがありますのでご了承ください） |
|
|
履修条件・関連する科目
Course Prerequisites and Related Courses | | データサイエンス概論I、データサイエンス概論II、統計的学習入門。
本講義は統計的学習入門の続きになります。統計的学習入門で教えた内容を知っている前提で話を進めます。 |
|
|
成績評価の方法と基準
Course Evaluation Method and Criteria | | | 出席+小テスト(40%)＋試験orレポート(60%) |
|
|
教科書・テキスト
Textbook | | | Gareth James et al.『Rによる 統計的学習入門』（朝倉書店、2018） |
|
|
参考書
Reference Book | | Trevor Hastie et al. 『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）
Peter Bruce et al. 『データサイエンスのための統計学入門 ―予測、分類、統計モデリング、統計的機械学習とRプログラミング』（オライリージャパン、2018）
ピーター フラッハ et al. 『機械学習 ─データを読み解くアルゴリズムの技法』（朝倉書店、2017） |
|
|
課外学習等（授業時間外学習の指示）
Study Load(Self-directed Learning Outside Course Hours) | | |
|
授業の進め方
How to proceed with the class | | | 講義資料を配布して行う。配付資料を参考に、統計的学習についてまとめておくことが望ましい。 |
|
|
注意事項
Notice for Students | | ・PCを用いたプログラミング演習も行う。各自PCを用意すること。
・3年次に情報科学系のゼミを希望する学生は、必ず受講すること。 |
|
|
本授業に関する参照Webページ
Reference website for this Course | | |
|
担当教員からのメッセージ
Message from the Instructor | | |
|
使用言語
Language(s) for Instruction & Discussion | | |
|
授業開講形態等
Lecture format, etc. | | | 対面にて開催する。オンラインとなる場合には、開催１週間前までにTACT上で告知する。 |
|
|
遠隔授業（オンデマンド型）で行う場合の追加措置
Additional measures for remote class (on-demand class) | | |
|