授業情報
※身につく能力について
複数の学科・専攻・コースで開講されている科目は、開講を担当する学科・専攻・コースの定めた「身につく能力」を表示しているため、履修要項・大学院要覧記載の「身につく能力」とは異なるものが表示されていることがあります。
授業によっては、「身につく能力」の記載がない場合もあります。
そのため「身につく能力」については履修要項・大学院要覧も確認するようにしてください。
| 授業コード Course Code |
21E6002000
|
| 授業開講年度 Year of Class |
2024年度
|
| 授業形態 Course Mode |
講義(遠隔授業)
|
| 授業名称 Class Name |
MGAID201ﾃﾞｰﾀ解析・活用入門
|
| テーマ Theme |
|
| 科目名 Name of Subject |
MGAID201ﾃﾞｰﾀ解析･活用入門
|
英字科目名
English Name of Subject |
MGAID201Introduction to Data Analysis and Utilization
|
身につく能力
Ability to be Acquired in This Class
◎=科目に最も関連する能力
〇=科目に関連する能力
|
知識・理解
|
現代社会が抱える諸問題を捉えるための幅広い基礎知識
|
◎
|
| 汎用的技能
|
多面的思考・判断力、コミュニケーション力
|
〇
|
| 統合的な学習経験と創造的思考力
|
課題発見力
|
〇
|
| 統合的な学習経験と創造的思考力
|
解決策提示力、社会参画による他者貢献
|
〇
|
| 科目単位数 Credit |
2
|
| 履修期 Term |
春学期
|
| 教員氏名 Name of Teacher |
永田 毅
|
| 開講キャンパス Campus |
横浜
|
| 曜時 Day and Period |
集中(春学期)
|
| 授業概要 Course Description |
主にMatlab言語を使用し、データ解析と機械学習の基礎について学ぶ。まず、代表的な3種類のデータ解析（時系列データ、自然言語処理、画像処理）について学んだ上で、さらにその発展として、機械学習（教師あり学習、教師なし学習）を組み合わせたデータ解析について学ぶ。より実践的な学習が可能となるように、学んだ内容が盛り込まれたサンプルプログラムについて、内容を理解し、動作が体験できるように配慮されている。なお、本講義ではMatlabを利用するため、「プログラミング入門」を履修することを強く推奨する。
|
| 到達目標 Class Goals |
Matlabを利用し、時系列データ、テキストデータ、画像データについて、データの特徴を把握した上で、適切な前処理、解析を行うことができる。さらにその結果を抽出して可視化し、解釈することができる。また、必要に応じて、教師あり学習・教師なし学習を組み合わせて、より実践的な機械学習を行い、予測モデルを構築することができる。
|
| 授業言語 Language |
日本語
|
| アクティブ・ラーニング Active Learning |
アクティブ・ラーニング非対応
|
授業計画
Daily Class Schedule
|
|
【第1回】
|
授業内容
Content/Topic
|
イントロダクション。Matlabの基本的な使い方（Pythonとの違い）。組み込み関数および定数の利用。スクリプトと関数。
|
予習内容
Preparation for Class
|
MatlabをPCにインストールし、基本的な使い方を予習しておくこと。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第2回】
|
授業内容
Content/Topic
|
Matlabプログラミングの基礎。ベクトルと行列、配列。データの入出力とプロット。プログラム構造（条件分岐、反復）。
|
予習内容
Preparation for Class
|
ベクトルと行列について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第3回】
|
授業内容
Content/Topic
|
統計処理の基礎：平均、中央値、相関、統計的検定
|
予習内容
Preparation for Class
|
統計処理について復習しておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第4回】
|
授業内容
Content/Topic
|
統計処理の基礎：主成分分析、ベイズ推定
|
予習内容
Preparation for Class
|
主成分分析、ベイズ推定について復習しておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第5回】
|
授業内容
Content/Topic
|
時系列データ：トレンド、移動平均、季節階差、周期、相関、季節調整
|
予習内容
Preparation for Class
|
時系列データの処理について復習しておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第6回】
|
授業内容
Content/Topic
|
時系列データ：対数変換、将来予測
|
予習内容
Preparation for Class
|
対数変換について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第7回】
|
授業内容
Content/Topic
|
自然言語処理：コーパス、単語分割、形態素解析
|
予習内容
Preparation for Class
|
コーパス、単語分割、形態素解析について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第8回】
|
授業内容
Content/Topic
|
自然言語処理：言語モデル、文書単語行列、文書ベクトル、文書間類似度
|
予習内容
Preparation for Class
|
言語モデル、文書単語行列、文書ベクトル、文書間類似度について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第9回】
|
授業内容
Content/Topic
|
画像処理：デジタル画像、圧縮、色空間、色恒常性
|
予習内容
Preparation for Class
|
デジタル画像、圧縮、色空間について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第10回】
|
授業内容
Content/Topic
|
画像処理：フィルタリング、顔検出、深層学習
|
予習内容
Preparation for Class
|
画像フィルタについて調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第11回】
|
授業内容
Content/Topic
|
教師なし学習：クラスタリング、階層的クラスタリング、自己組織化マップ
|
予習内容
Preparation for Class
|
クラスタリング、自己組織化マップについて復習しておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第12回】
|
授業内容
Content/Topic
|
教師なし学習：確率密度推定、レコメンデーション、過学習とモデル選択
|
予習内容
Preparation for Class
|
確率密度推定と過学習について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第13回】
|
授業内容
Content/Topic
|
教師あり学習：前処理、回帰・分類
|
予習内容
Preparation for Class
|
ExcelをPCにインストールし、Excelを使った統計処理について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第14回】
|
授業内容
Content/Topic
|
教師あり学習：損失関数、評価、過学習と正則化、交差検定
|
予習内容
Preparation for Class
|
交差検定について復習しておく。損失関数について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
|
【第15回】
|
授業内容
Content/Topic
|
まとめ:講義全体を通して学んだ内容を盛り込んだサンプルプログラムを解説する。
|
予習内容
Preparation for Class
|
講義全体について復習しておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaのアンケートに回答し、プログラミング課題を提出する。
|
目安時間
Hours
|
2 時間
|
授業に関する注意事項
Remarks for Class |
本講義はオンデマンド形式で行われる。本講義は、文系の学生向けに、数学や統計が不得意でも理解できるように配慮されている。数式は極力使わないので、数学的な知識は不要である。アンケートや課題についてはmanabaで随時指示するので、常にmanabaをチェックすること。なお、動画教材は決まった曜日にアップロードされ、アンケートは公開後1週間以内に回答すること。本講義を効果的に履修するため、マスワークス社のMatlabをインストールしたPCを用意しておくこと（Matlabは本学での学生は無料でインストールすることができる）。
|
| 教科書 Texts |
特に使用しない。教材資料はmanabaに随時アップロードする。
|
| 参考書 Reference Books |
特になし。Matlabはチュートリアルが充実しているので、必要に応じて講義資料のリンクから自己学習を行うこと。
|
課題フィードバック方法区分
Assignment Feedback Method |
授業時間外にmanabaで行う
|
課題フィードバック方法内容
Assignment Feedback Method Content |
|
成績評価の基準
Evaluation Criteria |
授業への参加度（クリッカーを用いた双方向授業に対するレスポンス） 10%、課題 90%
|
| 関連URL Related URL |
|
| 備考 Notes |
|
| 添付ファイルの注意事項 Notice |
|
| 更新日時 Date of Update |
2024年02月07日 19時01分55秒
|