| (1)授業の達成目標 | | 【授業で得られる「学位授与の方針」要素】 | ⇔ | 【授業の達成目標】 | | ２３Tカリ | | 【22T～】専門的学力を基礎とし，的確な情報を収集・理解し，これを他の人に発信できる能力が身についている。 | ⇔ | ・データサイエンスの活用事例を説明できること。
・確率と統計の様々な概念を説明できること。
・データの相関について説明できること。
・データ分析のための手法である回帰分析のアルゴリズムを説明できること。
・機械学習とAIがどのような技術であるかを説明できること。 | | 【22T～】様々な課題を見つけ取り組む力が身についている。 | ⇔ | ・Excelを使って統計グラフの作成と代表値・統計量の計算ができること。 |
|
| (2)授業の概要 | 様々な電子データを分析・活用するために統計学、数学、コンピュータ科学にまたがるデータサイエンスを理解する。統計解析用ソフトウェアを活用し，データを可視化したり分析したりすることを学び，機械学習の視点から問題解決方法を導き出す能力を身につける。
向田志保特任准教授(三井化学株式会社)，是津教授と合同で，データエンジニアリングに関する授業をおこなう。すべての授業は，講義と演習を組み合わせて行う。また，講義で勉強したことの理解と定着を促すために演習を行う。
・演習時は，個人のパソコンを利用しておこなう。
次の４つのソフトを使用する。
①Excel②エクセル統計③VSCode④ChemDraw
エクセル，ChemDrawは，大学のライセンスを使ってください。
エクセル統計は，担当教員から受講者にライセンスを貸与します。
VSCoderは，フリーソフトです。
エクセル統計以外のソフトは事前に自身のＰＣにインストールしてください。 |
| (3)授業計画 | ※（）内の記号・番号は，数理DS・AI 学修項目との対応を示す
第1回 Excelの基礎（ヒストグラム、箱ひげ図、平均値、中央値、最頻値、分散、不偏分散、標準偏差）（DS1-3, 5）
第2回 ベクトルと行列の基礎（いろいろな行列、加減乗算、固有値・固有ベクトル）（DS1-6）
第3回 統計の基礎（T検定 他）（DS1-2）
第4回 確率（同時確率・条件付き確率・確率の加法定理・確率の乗法定理・ベイズの定理）（DS1-6）
第5回 回帰分析と評価指数（回帰直線、相関係数、決定係数、予測誤差）（DS1-4）
第6回 機械学習概論（モデルの評価、オートスケーリング）(AI3-3)
第7回 ケモインフォマティクス入門（化合物の取り扱い、構造記述子）(DE2-2)
第8回 マテリアルズ・インフォマティクス概論 (AI3-3)
第9回 特徴量エンジニアリング (DE2-5)
第10回 特徴量選択（相関行列、多重共線性）(DE2-5)
第11回 逆解析（予測用データの作成）(DE2-5, AI3-6)
第12回 実験計画法、画像認識(AI3-3, AI3-5)
第13回 プロセスインフォマティクス概論（時系列データの取り扱い）(AI3-3)
第14回 自然言語処理の基礎(AI3-7)
第15回 量子コンピュータ概要(AI3-9)
第16回 期末テスト
授業アンケートを、第15回に実施する。 |
| (4)成績評価の方法 | 期末テスト／レポート ：70 点
各授業時間中の演習・課題提出 受講態度 ：30 点
|
| (5)成績評価の基準 | 授業で課せられた内容を理解し，説明できれば「合格水準にある」，応用課題を理解し，説明できれば「やや上にある」，より具体的な考察を求められる課題を理解し，説明できれば「かなり上にある」，推察できるより難解な応用展開を理解し，説明できれば「卓越している」とする。 |
| (6)事前事後学習の内容 | 授業時間22.5時間（1.5時間×15回），自習学習時間22.5時間（1.5時間×15回）である。
予め配付した資料を自習学習で理解し、講義に臨むこととする。
|
| (7)履修上の注意 | 各自ノートPCを必ず持参のこと。OSはWindowsであることを必要とする。 |
| (8)質問,相談への対応 | 基本的に講義の後，およびオフィスアワーに対応する。これ以外の時間でもできる限り対応するが，できれば，予め担当者にe-mail（tomohiko*shinshu-u.ac.jp，*を@に変換）で連絡いただきたい。 |
| (9)その他 | 【数理 DS・AI 学修項目との対応】(DS1-6) 数学基礎 |
| 【教科書】 | 指定しない。資料を配付する。
|
| 【参考書】 | 1. 馬場敬之, 線形代数キャンパス・ゼミ 改訂9, マセマ出版社, ISBN:978-4866152073
2. 馬場敬之, 確率統計キャンパス・ゼミ 改訂7, マセマ出版社, ISBN:978-4866152080
3. 船津公人, 柴山翔二郎, 実践 マテリアルズインフォマティクス, 近代科学社, ISBN:978-4764906150
4. 秋庭伸也, 杉山阿聖, 寺田学 著／加藤公一 監修, 見て試してわかる機械学習アルゴリズムの仕組み 機械学習図鑑, 翔泳社, ISBN:978-479815565
5. 湊雄一郎, いちばんやさしい量子コンピュータの教本, インプレス, ISBN: 978-4295006077
|
| 【添付ファイル】 |
なし |