シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
多変量解析 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Multivariate Analysis | ||
| 科目番号 /Code |
INS502b | ||
| 開講年度 /Academic year |
2023年度 | 開講年次 /Year offered |
3 |
| 開講学期 /Semester(s) offered |
前学期 | 開講コース・課程 /Faculty offering the course |
情報理工学域 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
専門科目 | ||
| 開講類・専攻 /Cluster/Department |
Ⅰ類 | ||
| 担当教員名 /Lecturer(s) |
○山本 渉 | ||
| 居室 /Office |
なし | ||
| 公開E-mail |
講義の初回に提示 | ||
| 授業関連Webページ /Course website |
http://stat.sixthfloor.org/doku.php?id=mva:2023 | ||
| 更新日 /Last update |
2023/04/14 10:48:40 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
データマイニングに現れる種々の手法を、基本的な事項から始めて、手法の実装に必要な理論を解説した後、実際の問題に適用するまでの一連の過程を通じて、学んでもらう。 毎年、トピックを一つないし複数を選んで、講義する。 今年度は"Introduction to Statistical Learning" の第2版をテキストに使い、機械学習を中心とした講義を行う。この書籍は統計的な機械学習の最新の入門書のひとつで、各自での購入もお勧めできる良書である。 |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
確率論、統計学。 |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
なし。 |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
Gareth James, Daniela Witten, Trevor Hattie, and Robert Tibshirani (2021): An Introduction to Statistical Learning with Applications in R, Second Edition, Springer. |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
今年は資料が英語で、説明は日本語で行う。 全15回の予定。 ① 序論 ② 統計的学習 ③ 線形回帰 ④ 分類 ⑤ リサンプリング法 ⑥ 線形回帰の変数選択と正則化 ⑦ 直線性を超えたモデル ⑧ 樹形モデル ⑨ サポートベクトルマシン ⑩ 深層学習 ⑪ 生存時間解析と打ち切りデータ ⑫ 教師なし学習 ⑬ 多重検定 ⑭ 演習1 ⑮ 演習2 |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
レポート課題への取り組みを通じた予習と復習を推奨している。 |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
Quizzes and assignments. 学期間中および学期末に課すレポート課題に基づいて、授業内容の理解度、および実際の問題への適用の達成度を測る。各分析手法を理解して、正しく適用できることを、最低達成基準とする。 |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
Friday 12p-1p 金曜は電通大にいるので、昼休みをオフィスアワーにします。 |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
講義時間に説明できることは限られている。自身による積極的な自習を期待する。昨年までの内容とは全く異なることを付記しておく。 |
| その他 /Others |
Google Classroomを利用するかどうか、初回に相談する。 |
| キーワード /Keywords |
Statistical learning, data mining, R, Python. 統計的学習理論, データマイニング, R言語, Python言語. |