公開用HTML

情報数学〈R5-入学〉


授業コード（科目ナンバリングコード）	551217-01 （15311）	授業科目名	情報数学〈R5-入学〉	担当者	張　磊

開講期間	春学期	単位数	2	学年	2
区分
ｱｸﾃｨﾌﾞﾗｰﾆﾝｸﾞ	該当なし
実務経験	該当なし
備考

【授業目的】

　この授業では、ディープラーニングとデータ分析に不可欠な数学基礎について講義します。
　特に統計学基礎、確率論、線形代数等に焦点を当て、これらの数学的知識がデータサイエンスと機械学習にどのように応用されるかを学びます。
　この授業は、データサイエンスとディープラーニングにおける数学の重要性を理解し、実際の問題解決に数学的手法を応用する能力を学生に身につけさせることを目的としています。

【授業内容】

第 1 回	実施日
事前学習データサイエンスのための数学基礎をインターネットで調べてみる。３０分	授業内容・授業の目標と概要・データサイエンスとは何か？・数学のデータサイエンスへの応用	事後学習・本日の授業内容を複数する。６０分	参考文献
第 2 回	実施日
事前学習基礎統計学とデータの記述について調べる。６０分	授業内容・平均、中央値、モード・分散と標準偏差・データセットの基本的な解析	事後学習・本日の授業内容を複数する。６０分	参考文献
第 3 回	実施日
事前学習確率論と確率分布について調べる。６０分	授業内容・基本的な確率論・確率変数と確率分布（二項分布、正規分布など）	事後学習・本日の授業内容を複数する。６０分	参考文献
第 4 回	実施日
事前学習線形代数の基礎について調べる。６０分	授業内容・ベクトルと行列・行列の乗算・線形変換の基本	事後学習・本日の授業内容を複数する。６０分	参考文献
第 5 回	実施日
事前学習数学的最適化とアルゴリズムについて調べる。６０分	授業内容・最適化問題の概念・勾配降下法・コスト関数	事後学習・本日の授業内容を複数する。６０分	参考文献
第 6 回	実施日
事前学習回帰分析について調べる。６０分	授業内容・線形回帰・最小二乗法・回帰分析の実践	事後学習・本日の授業内容を複数する。６０分	参考文献
第 7 回	実施日
事前学習クラスタリングと分類について調べる。６０分	授業内容・k-平均法・階層的クラスタリング・基本的な分類方法	事後学習・本日の授業内容を複数する。６０分	参考文献
第 8 回	実施日
事前学習これまでの内容の復習。６０分	授業内容・これまでの内容のまとめ・実践的なデータ分析演習	事後学習・本日の授業内容を複数する。６０分	参考文献
第 9 回	実施日
事前学習ニューラルネットワークの基礎について調べる。６０分	授業内容・ニューラルネットワークの概念・活性化関数・ネットワークの構造	事後学習・本日の授業内容を複数する。６０分	参考文献
第 10 回	実施日
事前学習損失関数と正則化について調べる。６０分	授業内容・損失関数の種類・過学習と正則化・モデルの評価指標	事後学習・本日の授業内容を複数する。６０分	参考文献
第 11 回	実施日
事前学習深層学習のための数学について調べる。６０分	授業内容・畳み込みニューラルネットワーク・リカレントニューラルネットワーク・ディープラーニングの数学的側面	事後学習・本日の授業内容を複数する。６０分	参考文献
第 12 回	実施日
事前学習データの前処理と変換について調べる。６０分	授業内容・データのクリーニング・特徴エンジニアリング・次元削減技術	事後学習・本日の授業内容を複数する。６０分	参考文献
第 13 回	実施日
事前学習実践的なデータ分析について調べる。６０分	授業内容・実際のデータセットを用いたケーススタディ・データ探索と分析・問題解決スキルの発展	事後学習・本日の授業内容を複数する。６０分	参考文献
第 14 回	実施日
事前学習プロジェクト作業の準備。３０分	授業内容・学生による小規模プロジェクト・理論と実践の統合・プレゼンテーションとフィードバック	事後学習・本日の授業内容を複数する。６０分	参考文献
第 15 回	実施日
事前学習最終レビューの準備。１２０分	授業内容・コース全体の復習・学生のプロジェクト発表・コース評価とフィードバック	事後学習・この授業を顧みる。３０分	参考文献

【到達目標】

本授業の達成目標：
・確率論と統計学の基本（確率分布、統計的推定、仮説検定）を習得し、データ分析に活用する。
・線形代数の基礎（行列、ベクトル、行列演算）を理解し、データセットに適用する。
・微分と積分の基本を学び、関数の最適化とデータモデリングに応用する。
・ディープラーニングにおける数学的概念（活性化関数、損失関数、勾配降下法）の理解。
・実際のデータサイエンスや機械学習の問題に数学的手法を適用する経験を得る。

【ﾃﾞｨﾌﾟﾛﾏ・ﾎﾟﾘｼｰ】

【関連するディプロマポリシー】
（R5-）
関連するディプロマ・ポリシー＝DP1：英語、心理学、情報についての幅広い知識・技能を身につけて、学んだ内容を自分の言葉で説明することができる。

【授業形態】

・講義形式。
・毎回授業の課題は、MANABAによって評価・コメントをフィードバックする。
・新型コロナウイルス感染症拡大防止対策のため、オンライン授業になることがある。

【教科書】

書名：人工知能プログラミングのための数学がわかる本
著者：石川聡彦
単価：2750
ISBN‏:‎ 978-4046021960

【注文書籍】

書名人工知能プログラミングのための数学がわかる本著者名石川聡彦出版社価格2750 ISBN978-4046021960 備考

【参考書】

【成績評価の方法】

提出物（レポートなど）40%、筆記試験60%

【成績評価の基準】

到達目標の内容をほぼ完全に理解し、説明できる。……90~100点
到達目標の内容を十分に理解し、説明できる。……80~89点
到達目標の内容の基幹部分を理解し、説明できる。……70~79点
到達目標の内容の最低限の部分を理解し、説明できる。……60~69点
到達目標に及ばない。……0~59点

【受講学生への要望】

【履修注意】

本授業の履修によって情報ゼミに行きたい場合、有利に働く場合はある。