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)