1592 件ヒット (0.033秒)：
このデータ科学コースは、データ科学で使用される基本的な技術とツールについて紹介することを目的としています。毎週、データ科学のパイプラインから始まり、ニューラルネットワークや時系列解析などの高度なトピックまで、一つずつトピックをカバーします。それらは洗練されたスライドとわかりやすいPythonコードを用いて説明されます。
この学期では、すべてのトピックを網羅できる1つの包括的なデータセットを使用します。これにより、学生がデータセットを理解するために多くの時間を費やすことなく、データサイエンスの概念を容易に理解できます。
達成方法：
- 講義: 基本的な概念を教え、その後Pythonでデモンストレーションを行います。
- 授業内演習: 短い実践活動。（主にコードをコピー&ペーストし、変数を変更ぐらい。）
- 週次実践コース: 1.5時間の課題で理解を深めます。
Google Classroomのクラスコードは工学研究科Webページ
https://www.eng.tohoku.ac.jp/edu/syllabus-g.html
（大学院シラバス・時間割・履修登録）にて確認すること。
不規則に変動する時系列データに対するスペクトル解析の基礎を修得することを目的とする．前半ではスペクトル解析の全体像と基礎的事項を講義し，後半では確率過程とその工学的応用，時系列データ解析について講義する．各自が自分自身の研究課題等に関して，スペクトル解析や時系列データ解析を活用できる基礎を修得できれば講義目標は達成される．
The class code for Google Classroom can be found on the Web site of the School of Engineering:
https://www.eng.tohoku.ac.jp/english/academics/master.html (under "Timetable & Course Description")
This course aims to present the basic theory and practical applications of spectral analysis for time-series data. In the first half, lectures are given on the overview and the fundamental theory of spectrum analysis. In the second half, lectures are given on stochastic processes, their engineering applications, and time-series data analysis. The lecture goals will be achieved if students acquire the basics of utilizing spectrum analysis and time-series data analysis for their own research subjects.
本講義では都市内で活動する人々の交通行動やアクティビティ，人や車両の移動軌跡を観測した多様なデータを解析するためのモデル・手法を学ぶ．軌跡データから交通行動の解釈，選択の意思決定モデル，交通状態予測や相互作用を考慮した交通システムのモデリングを通して，様々なデータから情報抽出し，予測や政策評価を行う解析技術を身につける．
本講義のために様々な都市・交通データを提供し，計算機を用いて実際に解析することで，データハンドリング技術と都市・交通計画に活かすためのデータサイエンスの方法論を習得する．最終分析結果は講義中にプレゼンテーションしてもらうことを予定している．
授業にはGoogle Classroomを利用．クラスコードは2gfzgiw．
授業は全部対面を予定しているが，感染症等の影響により，オンライン講義となる可能性もあります．
本講義では，『空間情報』の統計解析手法を学ぶ．空間情報とは，空間的な位置に関連した情報のことをいい，都市や地域の実態を分析・把握する上で有用な情報を含んでいる．空間情報の種類として，施設立地点など点事象の空間分布に関する情報，気温など一部の地点において観測された情報，あるいは，市区町村人口などの空間単位に基づき集計された情報，のように複数の種類の情報があり，それぞれ異なるアプローチによる分析が必要である．本講義では，それぞれの空間情報に関する統計解析手法を習得し，その類似点・相違点を把握することを目的とする．
授業にはGoogle Classroomを利用（クラスコード *******）
すべて対面で開催予定．
クラスコード：ihoulme
各種水域における水質の将来予測、および環境化学的な考えに基づく水域環境における物質の動態・物質循環に関わるモデリングについて学ぶ。具体的には、プロセスモデル（生態系モデル）、時系列解析（状態空間モデル）、正則化回帰、化学熱力学等に関する講義を通じて環境モデリングの適用例に触れ、実際のデータとRやStan等のコードを用いた演習を通じてデータサイエンスの時代に求められる環境モデリングの経験を積む。
Student will learn about modeling related to the future predictions of water quality in various aquatic environments and dynamics and material cycling of substances in aquatic environments based on environmental chemistry principles. Specifically, through lectures on process models (ecosystem models), time series analysis (state-space models), regularized regression, and chemical thermodynamics, students will be exposed to examples of environmental modeling applications. They will also gain experience in environmental modeling required in the era of data science through exercises using actual data and codes like R or Stan.
Class code: ihoulme
人を対象とした医学研究の大きな目的として、治療法や喫煙などの曝露の健康影響を適切に評価することが挙げられる。統計的因果推論はこのような原因-結果間の因果関係を把握するための考え方やデータ解析手法を提供する分野である。本講義では、医学研究における因果推論の基礎的事項から近年の発展までを講義し、因果効果の推定のために必要な考え方や方法論について理解することを目的とする。また、この分野の教科書や論文を読むための基礎能力を身に着けることも目指す。具体的には、ランダム化比較研究、観察研究、層別解析、回帰モデル、マッチング、標準化、傾向スコア、操作変数法、因果媒介分析、交互作用の検討、感度解析など諸手法の特徴と限界点について解説を行う。