2688 件ヒット (0.039秒)：
本授業科目の目的は、大量のデータから価値ある情報を抽出し、活用するためのデータ科学やAIの知識と技術の基礎を修得することにある。
近年、社会の様々な場面で大規模なデータが蓄積・流通されており、それらを安全かつ有効に公共の福祉や社会活動に役立てられる見識と能力が、現代的なリテラシーとして求められている。
すなわち、文系・理系を問わず全ての学生が、基礎的な統計学を理解するとともに、プログラミング環境を含む計算機科学の様々な成果を適切に活用し、データから目的の情報を抽出するためのデータ科学・AIの知識と技術を修得することが求められている。
そこで本授業科目では、データ科学や機械学習、AIの分野で標準的なプログラミング言語の1つであるPythonを利用した実習を交えながら、具体的なデータ処理方法について実践的に学ぶ。
The purpose of this course is to acquire basic knowledge and skills in data science and AI to extract and utilize valuable information from huge data.
In recent years, huge-scale data has been accumulated and distributed in various scenes of society, and insights and abilities to use them safely and effectively for public welfare and social activities are required as modern literacy.
Therefore, all students, regardless of humanities or science, are expected to understand basic statistics and to acquire knowledge and skills in data science and AI in order to extract the intended information from such data by utilizing various achievements in computer science, including programming environments.
In this course, you learn actual data processing methodology practically using the Python, which became one of the standard programming languages in the field of data science, machine learning and AI.
データ駆動型社会におけるデータ利活用の状況を理解すると共に、データ活用にあたって必要となる法令や倫理、数学や統計学の基本事項を振り返りつつ、標準的なソフトウェアやツール（表計算ソフトやR、 一部Python等を想定）を用いた実習を交えながら、具体的なデータ処理を体験的に学ぶ。また、様々な分析手法の紹介、ならびにデータ分析の注意事項や発展事項にも触れ、応用場面でさらにデータを活用できるよう準備を行う。
In addition to understanding the status of data utilization in a data-driven society, we will review the laws and regulations, ethics, and basic mathematics and statistics required for data utilization. Students learn concrete data processing through hands-on practice using standard software and tools (assuming spreadsheet software, R, and Python, etc.). They also learn various statistical analysis methods as well as notes on the analysis so that they can prepare for further use of the data in application situations.
医療分野における人工知能の役割とその基盤技術である機械学習の基本概念・技術について学ぶ。機械学習の代表的な分析手法である回帰、分類などについて、手を動かしながらシステムを作成し、実データを処理する過程で医療分野における機械学習について理解を深める。プログラミング言語pythonの基礎と機械学習で重要な役割を持つ数値計算ライブラリの使い方を習得する。/ In this course, students will learn about the role of artificial intelligence in the medical fields and fundamental concepts and skills of machine learning.
To deepen own understanding of regression and classification, etc, which are the fundamental components of machine learning, by hands-on programming.
To learn about programming language Python and how to use a numerical calculation library which has the important role of machine learning.
医療分野における人工知能の役割とその基盤技術である機械学習の基本概念・技術について学ぶ。機械学習の代表的な分析手法である回帰、分類などについて、手を動かしながらシステムを作成し、実データを処理する過程で医療分野における機械学習について理解を深める。プログラミング言語pythonの基礎と機械学習で重要な役割を持つ数値計算ライブラリの使い方を習得する。/ In this course, students will learn about the role of artificial intelligence in the medical fields and fundamental concepts and skills of machine learning.
To deepen own understanding of regression and classification, etc, which are the fundamental components of machine learning, by hands-on programming.
To learn about programming language Python and how to use a numerical calculation library which has the important role of machine learning.
さまざまな分野で必要とされるデータ解析の数理的基礎を担うのが確率と統計である。この講義では、確率変数とその期待値・分散などの確率の基礎概念から始めて、統計学に必要な確率分布について学ぶ。次いで、統計的推論の考え方を理解して、母数の点推定・区間推定の方法、仮説検定の基本的な形式について概観する。また、Pythonによる初歩的なプログラミングを体験する。
Probability and statistics provide the mathematical foundation of data analysis in various fields. This course will start with random variables, expected values, variances and other fundamental concepts in probability and introduce probability distributions used in statistics. Then the course will provide the outline of point and interval estimations of population parameters and of testing hypothesis as an introduction to statistical inference. This course includes rudimentary programming by Python.
医療分野における人工知能の役割とその基盤技術である機械学習について学ぶ。特に、クラスタリング、深層学習、強化学習について、手を動かしながらシステムを作成し、実データを処理する過程で、医療分野における機械学習について理解を深める。プログラミング言語pythonの基礎と機械学習で重要な役割を持つ数値計算ライブラリの使い方を習得する。
In this course, students will learn about the role of artificial intelligence in the medical fields and fundamental concepts and skills of machine learning.
To deepen own understanding of clustering, deep learning and reinforcement learning, etc, which are the fundamental components of machine learning, by hands-on programming.
To learn about programming language Python and how to use a numerical calculation library which has the important role of machine learning.
医療分野における人工知能の役割とその基盤技術である機械学習について学ぶ。特に、クラスタリング、深層学習、強化学習について、手を動かしながらシステムを作成し、実データを処理する過程で、医療分野における機械学習について理解を深める。プログラミング言語pythonの基礎と機械学習で重要な役割を持つ数値計算ライブラリの使い方を習得する。
In this course, students will learn about the role of artificial intelligence in the medical fields and fundamental concepts and skills of machine learning.
To deepen own understanding of clustering, deep learning and reinforcement learning, etc, which are the fundamental components of machine learning, by hands-on programming.
To learn about programming language Python and how to use a numerical calculation library which has the important role of machine learning.
データ処理には統計的な考え方や手法が欠かせない。時間をかけて計画を立て、実際に調査や実験などを行って、苦労の末に得られた貴重なデータも、主観的な印象で漠然と分析するなどその処理を誤ってしまっては、説得力ある主張をすることなどできるはずもない。
この授業では、平均～分散分析（平均・分散・標準偏差、推定・信頼区間、カイ二乗検定・t検定・分散分析等の統計的仮説検定や残差分析・多重比較等の関連事項、など）及び相関～多変量解析（相関・相関係数と関連する統計的仮説検定、単回帰・偏回帰・重回帰、相関行列、因子分析・主成分分析・判別分析・クラスター分析、など）について、理論及び実践の両面から学習する。
----------
Statistical views and approaches are essential to data processing. Even if useful data has been obtained after much effort at time-consuming planning and investigation or experiment, no valid assertions can be made unless the data is correctly processed.
This course helps students to be equipped with the following statistical knowledge in both theoretical and practical aspects: from mean to analysis of variance (mean, variance, and standard deviation; estimation and confidence interval; statistical hypothesis tests such as chi-squared test, t test, analysis of variance, etc., and the related matters such as residual analysis, multiple comparison, etc.; etc.) and from correlation to multivariate analysis (correlation, correlation coefficient, and the related statistical hypothesis tests; simple liner regression, partial regression, and multiple regression, correlation matrix; multivariate analyses such as factor analysis; principal component analysis, discriminant analysis, cluster analysis, etc.; etc.)
classroom code: sqmador
本演習では、予測、分類などの様々な実問題にチャレンジしながら、データ科学に対する理解を深めると同時に、課題を解決できるプログラミングスキルを身に付けることに中心を置きます。
This course aims to deepen understading of data science, and the student will develop the programming skill nesscesary in their own researsh and problems in real business scene.