324 件ヒット (0.013秒)：
本講義では，持続可能な地域の実現に向けた計画や課題を分析をするための理論的基礎として，数理計画法，統計分析の方法について学びます．また，フリーソフトウェアを使用した演習を通じて，これらの方法の習得を目指します．
／This course covers a theoretical basis for analyzing regional problems toward sustainable development. Students will learn basic mathematical programming and statistical analysis through exercises using free software.
Google Classroomのクラスコードは工学部Webページにて確認すること。
学部シラバス・時間割(https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html)
この科目では、Classroomを使用して講義資料と講義情報を発信します。
クラスコードは ffuweyi です。
Classroomにアクセスし、クラスコードを入力してください。
目的と概要：
現代の社会は、電気エネルギーシステム、情報通信システムなど様々なシステムを基盤としている。本講義では、このようなシステムの設計・計画・運用の基礎となる数理最適化の考え方と代表的な方法を学ぶ。
達成目標等：
数理最適化の代表的な方法である線形計画法と非線形計画法の工学における役割および最適化問題の定式化と解法を理解し、簡単な問題にそれらの手法を応用できるようになることを目標とする。加えて、システムの計画・運用等に関わる手法の概要を説明できるようになることも目標とする。
The class code for Google Classroom can be found on the Web site of
the School of Engineering:
https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html (JP Only)
The materials and information for the course are delivered to you with Google Classroom. The class code is ffuweyi. Access to Classroom and input the class code.
Purpose and Summary:
Modern society is supported by various systems such as electric power systems, information and communication systems and so on. In the course, fundamental theories and typical methods related with mathematical optimization which are based on designing, planning and operation of the systems are studied.
Goal of the class:
- Understanding formulation of optimization problems
- Studying how to apply linear programming and nonlinear programming to simplified problems
- Explaining the outlines of methods related to system planning and operation
データ科学・AIの核となる統計数理モデルは，不確実性を有するデータから有効に情報を抽出し，様々な分野で問題解決に用いられる. 本授業科目の目的は，主に予測と関連性の説明を目的とした統計数理モデルについて，理論と実践の両面から学び，理解することにある．
Modeling in Statistical Mathematics, which is the core of data science and AI, is used to extract effective information from data with variation and to solve problems in various fields. The purpose of this course is to learn and understand several modeling in statistical mathematics from both theoretical and practical techniques for applying models to data.
Google Classroomのクラスコードは工学部Webページにて確認すること。
学部シラバス・時間割(https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html)
１．目的：
大規模な土木事業は我々の日常における社会活動や経済活動に対して，社会に対する便益の最大化，コストの最小化といった様々な形で関わる。各種要因が相互に絡み合う複雑なシステムを分析し，問題を解決するための数理的手法やモデリングを学ぶ．
２．概要：
現象をモデリングし，最適化手法や数理的な解析手法を用いて問題を解決する能力を身につける．
３．達成目標等：
この授業では，主に以下のような能力を修得することを目標とする．
・最適化問題を定式化する能力．
・定式化した問題を解析する能力．
・定式化した問題を解く能力．
Googleクラスコードはq6bbs4n
The class code for Google Classroom can be found on the Web site of
the School of Engineering:
https://www.eng.tohoku.ac.jp/edu/syllabus-ug.html (JP Only)
1. Purpose
Large-scale civil engineering projects are closely related with our daily social and economic activities. You are going to study how to solve various problems in a complicated system involving many interacting factors.
2. Outline
We study various approaches of Operations Research including linear programming, nonlinear programming, dynamic programming, graph theory and etc.
3. Objectives
Students are expected to master the following two abilities.
- To formulate optimization problems
- To analyze the formulated problems
- To solve the formulated problems
Google classroom code is q6bbs4n
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.)
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。
道路・航空・港湾ネットワークを基盤とする社会システムを対象とし，その状態記述および管理方法について学ぶ．特に，混雑や環境破壊といった外部不経済に対し，競争市場による調整機能の長所と限界，およびその解決方法としての制度設計を解説する．その過程において，数理計画，交通工学，メカニズム設計などの諸理論を分野横断的に学習する．
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 study the descriptions and management of social systems basing on transportation networks. Relating theories, regarding mathematical programming, transportation engineering and mechanism design, also would be introduced as necessary.
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.
都市や地域の社会経済システムの挙動を明らかにする上で、そのシステムの内部に存在する個々のプレーヤーの行動原理をモデル化することが多い。その際、モデルに含まれるパラメータは、個人またはシステムの観察データを用いて統計的に推計する必要性がある。
この科目では、個人の行動モデルとして代表的に使用されている一般化線形モデルをとりあげ、モデルの理論的背景、統計学的基礎、計算方法、推定結果の解釈の方法について講述する。特に、災害などのリスクに対する人々の行動分析を例に説明する。
連絡や資料の提示はGoogle Classroom で行う．