データからの有用情報抽出の方法論

大量のデータから有用な情報を引き出すための、さまざまな統計学的手法の応用方法を学ぶ。

各方法の動作原理を理解し、自分の問題にどの方法が適しているかを判断できる。サンプルプログラムの内容を把握し、方法とPythonプログラムの対応関係を理解する。自分のデータに対してプログラムを適用できる・自分でプログラムの間違いをみつけて修正できる。プログラムを変更して機能変更・拡張ができる。

"第1回: 偏相関＋重回帰分析の発展①
第2回: 偏相関＋重回帰分析の発展②
第3回: matplotlib発展
第4回: 可視化(コロプレス図)
第5回: 単純ベイズ分類器・基礎
第6回: 単純ベイズ分類器・応用
第7回: 次元削減
第8回: 前半まとめ、試験
第9回: 多様体学習
第10回: 因子分析
第11回: 推薦システム・基礎
第12回: 推薦システム・応用
第13回: アソシエーション分析
第14回: 後半まとめおよび解説
第15回: 後半まとめ、試験"

"座学＋ハンズオンの組み合わせ。座学で方法の原理と概要を理解し、サンプルプログラムでその実現方法を理解する。
サンプルプログラムをもとに、別のデータに対する解析を行うプログラムを作成し、またプログラムの変更、機能拡張
などに取り組むことで、理解を深める。"

"MOOCsによる事前学習が必須である。講義後には、理解度が低かったトピックや課題の復習を十分に行い、次回講義の
小テストで理解度を確認する。"

受講態度、複数回の試験、各回冒頭の理解度確認小テスト、課題提出、講義への積極的な取り組みを総合的に評価する。

"ハンズオンでは、JupyterLab上でnumpy/pandas/matplotlibなどのライブラリを利用するPythonプログラムを扱うので、
講義前に習熟しておくことが必須である。MOOCsなどを活用して自学自習することを強く推奨する。"

特に指定しない

講義の中で適宜紹介する

"「情報連携のための確率・統計学I/II」
「DS基礎」
「DS演習I/II」"