前期 水曜日 ２講時 経済学部第２講義室 / 前期 金曜日 ２講時 経済学部第２講義室. 単位数/Credit(s): 4. 担当教員/Instructor: YASUMASA MATSUDA. 対象学年/Eligible Participants: 2・3・4. 履修年度: 2024. 科目ナンバリング/Course Numbering: EAL-ECM212J. 使用言語/Language Used in Course: 日本語.
Econometrics
松田 安昌
○
Google classroomcode:
https://classroom.google.com/c/NjYxNjY0ODU4NDM4?cjc=mzfijqk
随時投稿するので、最新情報はこちらを参照してください。
本講義「計量分析」は経済学部データサイエンス科目群の一つです。データサイエンスを学びたい方は次の年限で履修してください。
1. 統計学入門（１年次前期）
2. 計量分析（２年次前期）
3. 数理統計（２年次後期）
4. データサイエンス（２年次後期）
特に、学部大学院一貫教育プログラム「データ科学」を希望する方は履修してください。
現代的な機械学習を学ぶための基本となる「回帰分析」からスタートし、「分類問題」、「ニューラルネットワークモデル」を扱います。データサイエンスでは、データ分析プログラミングが必須です。本講義では、コーディングが初めてという方を想定して入門から講義します。プログラミング未経験者も安心してPythonコーディングに挑戦してください。
なお、教科書として「経済経営のデータサイエンス」（共立出版）を指定します。上記データサイエンス科目すべての参考図書として有効に使えます。
We will introduce basics to learn modern data science, ie. regression analysis, classification methods and deep learning. In order to learn data science, model fitting to actual data by programming is necessary. We suppose class members has no programming experiences and will guide intensive introductions pf Python coding. We do hope you challenge Python coding for big data with modern data science tools.
現代的な機械学習の基本を学び、Pythonプログラミングによってデータ分析を実行できるようになること。特に、ニューラルネットワークモデルではPytorchによるコーディングで、画像、自然言語に自身で応用分析することを目指します。
to learn basics of modern data science and as a result to analyze big data by fitting machine learning methods in Python coding.
1. 平均、分散の復習
2. 回帰分析（回帰）
2.1 線形回帰モデル
2.2 ポアソン回帰モデル
2.3 過適合と 正則化
3. 回帰分析（分類）
3.1 ロジットモデル
3.2 プロビットモデル
3.3 決定木
4 深層学習
4.1 ニューラルネットワークモデル
4.2 畳み込みニューラルネット（画像認識）
4.3 Word2vec（自然言語処理）
1. review of introductory statistics
2. regression
2.1 linear regression model
2.2 Poisoon regression model
2.3 overfitting and regularization
3. classification
3.1 logit model
3.2 probit model
3.3 decision tree
4. deep learning
4.1 neural network model
4.2 applications to image recognition by convolutional neural network (CNN)
4.3 application to natural language processing by word2vec
５月初旬（回帰分析）、６月初旬（分類モデル）、７月初旬（ニューラルネット）について課題を出します。課題レポートの成績によって評価します。
毎週宿題を出すので、必ず解いてから翌週の講義に臨むこと
「統計学入門」を履修していることが望ましい。
履修者が300名を超えた場合、経済学部以外の学部からの履修を認めない場合があります。