COURSE

コース紹介
【データサイエンス 『基礎コース』】

データ科学のための数理

開講場所:
提供:大阪大学
講師:髙野 渉
開講日時:2021年4月9日 ~
受講対象者:院生(修士/博士前期)・院生(博士/博士後期)
評価方法:期末テストにて評価を行う
受講生へのコメント:講義ページにアップロードされた講義ノートを活用しながら,授業でわからなかったことを復習して理解を補足すること.

オフィスアワー
月曜10-13時

データ駆動型社会においてデータサイエンスを学ぶことの意義を理解する。
データを収集・処理・蓄積するための技術の概要を理解する。
AIの変遷と機械学習の方法論を理解する。

第1回:データ駆動型社会とデータサイエンス
データサイエンスの活用事例を通じて、データ駆動型社会を知る
(セイバーメトリクス、機械設計開発のデータ活用)
第2回:データ分析の進め方
 課題・計画・データ・解析・結論の仮説検証サイクル(PPDACサイクル)
第3回:ビッグデータとデータエンジニアリング
 ビッグデータが注目される背景、オープンデータと分析・活用事例
第4回:データ構造
 構造化データ・非構造化データ、テキスト・画像の数値表現、データの木構造、
クラウドソーシングとアノテーション
第5回:AIの歴史と活用領域
 第1次・2次・3次AIブーム、AIの活用領域(電子商取引、流通分野のAI)
第6回:AIと社会
 倫理に配慮したデータ収集・匿名化、データに潜むバイアス
第7回:機械学習のための数学基礎II
最適化の数理、最急降下法
第8回:機械学習の基礎と展望I
 機械学習の概要、教師あり/なし学習
第9回:認識
 低次元化・特徴抽出・類似度・識別器の設計
第10回:機械学習の予測・判断
 決定木とアンサンブル学習による識別・回帰
第11回:言語・知識のための機械学習
 自然言語処理に使われる統計数理モデル(形態素解析、トピック推定)
第12回:身体・運動
 身体運動の収集・分類(ジェスチャ認識)
第13回:深層学習の基礎と展望I
 ニューラルネットの原理と学習(誤差逆伝搬法)
第14回:深層学習の基礎と展望II
 深層ニューラルネットワーク(畳み込みニューラルネット、オートエンコーダ)
第15回:AIの構築と運用
 AIプログラミングの体験(Python, C++開発言語)

DuEX登録の締切日

2022年3月31日