Aコース データサイエンス 『基礎コース』
データサイエンス
『基礎コース』アイコン

データサイエンティストが必要とされる知識・スキルを習得するためのコース。データを価値に変換する際に必要な5つのプロセスである「課題設定力」「データサイエンス全体俯瞰能力向上」「データ収集・統合」「データ分析」「データ解釈」を、Eラーニングや大学講義を通じて学ぶことができます。

修了要件

Aコース科目(単位互換協定科目、e-Learning科目)から5単位を取得した受講生には、「基礎コース修了証」を発行します。 ※詳細についてはお知らせの「Aコース修了要件について」をご確認下さい。

構成科目

科目分類
科目名
開講大学
単位数
開講区分
プログラミング
機械学習の数理 with R/Python受付中
大阪大学
2
e-Learning
開講時期
2021年4月1日 ~
概要
機械学習のの基礎を、数学的な側面、プログラミング的な側面の両側から習得する。 (1) 機械学習に必要な数学的ロジックを構築する (2) 機械学習の処理をスクラッチから、プログラミングできるようにする 1. 線形回帰(1) 2. 線形回帰(2) 3. 線形回帰(3) 4. ロジスティック回帰 5. 線形判別と2時判別 6. クロバリデーションとブートストラップ 7. 情報量基準(1) 8. 情報量基準(2) 9. スパース推定 10. 非線形 11. 決定木 12. サポートベクトルマシン(1) 13. サポートベクトルマシン(2) 14. クラスタリング 15. 主成分分析
機械学習
カーネルの機械学習への応用受付中
大阪大学
2
e-Learning
開講時期
2021年4月1日 ~
概要
機械学習のためのカーネルの数理について講義する。サポートベクトルマシン、独立性検定、ガウス過程、ベイズ深層学習など、応用範囲が広い。 (1) 技術者として必要な、数学的ロジックを構築する (2) 種々の概念を抽象的(数学的)にも、具体的(プログラミング的)にもとらえられるようにする 1. 関数解析入門 2. 関数解析発展 3. 正定値カーネル 4. 再生核ヒルベルト空間入門 5. 再生核ヒルベルト空間発展 6. HSIC(1) 平均の概念の導入 7. HSIC(2) 独立性検定 8. ガウス過程(1) 定義と性質 9. ガウス過程(2) ガウス過程の計算とスパース近似 10. ソボレブ空間 11. スプライン関数 12. 多変量解析 13. 多変量解析の関数解析的な取り扱い 14. ラドマッハ複雑度とVC次元 15. 経験過程と機械学習への応用
機械学習
スパース推定の数理と機械学習への応用受付中
大阪大学
2
e-Learning
開講時期
2021年4月1日 ~
概要
機械学習の一分野、スパース推定を学ぶことによって、データサイエンスおよびRやPythonのプログラミングを習得し、ロジックを固める。線形回帰、一般化線形回帰、グループLasso、Fused Lasso、グラフィカルモデル、行列分解、多変 1) 技術者として必要な、数学的ロジックを構築する (2) 種々の概念を抽象的(数学的)にも、具体的(プログラミング的)にもとらえられるようにする 1. RおよびPythonの環境、線形回帰 2. LassoとRidge 3. elastic net、lambdaの値の設定 4. ロジスティック回帰 5. 多値のロジスティック回帰、ポアッソン回帰、生存時間解析 6. グループ数が1の場合、近接勾配法 7. 一般のグループLasso 8. Fused Lasso 9. LarsとLassoの双対問題 10. グラフィカルモデルとグラフィカルLasso 11. グラフィカルLassoの拡張、特異値分解 12. 行列分解 13. 主成分分析 14. クラスタリング 15. 最近の動向
統計学
情報幾何入門受付中
大阪大学
2
講義
開講時期
2021年4月12日 ~
概要
情報幾何学は,確率分布の集まりが内包する自然な幾何構造の研究を源流とする比較的新しい研究分野である.情報幾何学は当初,統計学において輝かしい成功をおさめたが,物理学・情報理論・システム理論・神経回路網・数理生物学等の様々な分野においても確率分布族は中心的役割を果たすため,その適用分野は近年大きな広がりを見せている.本講義では,Mathematica を用いた実験数学的アプローチを併用することにより,情報幾何学への新たな入門を試みる. Mathematica を用いた実験数学的アプローチにより,情報幾何学の考え方や基礎知識を習得し,応用できるようになる. 1. はじめに:情報幾何学とは何か? 2. 多様体の基礎(1) 3. 多様体の基礎(2) 4. 多様体のアファイン接続(1) 5. 多様体のアファイン接続(2) 6. 双対アファイン接続 7. 双対平坦多様体 8. 確率分布空間の幾何構造(1) 9. 確率分布空間の幾何構造(2) 10. Mathematica の基本操作(グラフィクス・リスト操作・プログラミング) 11. Mathematica 演習(1):確率単体と独立分布多様体 12. Mathematica 演習(2):確率単体上のα測地線 13. Mathematica 演習(3):部分多様体と一般射影定理 14. Mathematica 演習(4):多層パーセプトロンによる学習 15. まとめと総合演習 以上の内容を予定しているが,状況に応じて若干の変更もありうる.
統計学
数理統計入門受付中
大阪大学
2
講義
開講時期
2021年4月15日 ~
概要
統計解析の基礎となる統計的推定論及び統計的検定論を測度論を用いて解説する。 さらに統計的漸近理論について概説する。 推定や検定の具体例を通じて, 数理統計の基本的事項を習熟することを目標とする。 【講義内容】 1. 統計モデル 2. 不偏推定量と一様最小分散不偏推定量 3. フィッシャー情報量 4. クラーメル・ラオの不等式 I 5. クラーメル・ラオの不等式 II 6. 完備十分統計量I 7. 完備十分統計量II 8. モーメント法・最尤法 9. 統計的仮説検定I 10. 統計的仮説検定II 11. 検定における2種類に誤り 12. ネイマン・ピアソンの基本補題 13. 統計的漸近理論I 14. 統計的漸近理論II 15. 統計的漸近理論III
数学基礎
データ科学のための数理受付中
大阪大学
2
講義
開講時期
2021年4月9日 ~
概要
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)
統計学
確率的グラフィカルモデルと因果推論受付中
大阪大学
2
e-Learning
開講時期
2021年4月1日 ~
概要
機械学習の分野のひとつ、確率的グラフィカルモデルと因果推論について学ぶ。 (1) 機械学習に必要な数学的ロジックを構築する (2) 機械学習の処理をスクラッチから、プログラミングできるようにする 1. イントロダクション、応用事例 2. 条件付き独立性, 確率的グラフィカルモデル 3. データ圧縮 4. 相互情報量の推定 5. データから森を構築する 6. データからベイジアンネットワークを構築する 7. 変数が離散の場合 8. パタメータの事前分布 9. 変数が連続の場合 10. PCアルゴリズム 11. LINGAM 12. chodalグラフ 13. 確率推論のNP完全性 14. 推論アルゴリズムと統計物理 15. グラフィカルLasso
機械学習
機械学習概論受付終了
大阪市立大学
1
講義
開講時期
2021年6月2日 ~
概要
杉本キャンパス 学術情報総合センター 情報教育実習室9Dで実施する。 (科目の主題) AIやビッグデータといったキーワードが定着しつつあり,様々な産業でデジタルトランスフォーメーションが進行中である.新型コロナウィルスの感染拡大により,こうした傾向はますます加速しているようにも見受けられる. このように変革しつつある社会では,分野を問わずデータや情報を扱うスキルが基礎的能力として必要になる.このスキルは,プログラミング,数理・情報モデル,データサイエンスなどに分解できる. 本科目ではこれらのスキルの中で,データサイエンスの主要なトピックである機械学習について,初学者向けの講義と演習を行う. (授業の到達目標) ・機械学習の代表的なタスクやアルゴリズムを理解し,統計・情報・数理的な思考になじむこと. ・関連する演習を行い,研究や実務に役立つ分析技術の体得を目指す. (授業内容・授業計画) 第1回 機械学習の概説 第2回 教師あり学習:分類モデル 第3回 分類モデルの演習課題 第4回 教師なし学習1:相関ルール 第5回 相関ルールの演習課題 第6回 教師なし学習2:クラスタリング 第7回 クラスタリングの演習課題 (事前学習・事後学習) 事前学習:事前配布資料の確認 事後学習:演習課題の完成
機械学習
ニューロサイエンス特論受付中
大阪府立大学
2
講義
開講時期
2021年4月8日 ~
概要
1. Fundamentals of information science, Entropy, 2. Kullback-Leibler entropy, 3. Muttual information, 4. Coding theory, 5. Neural network models, 6. Learning paradigms, 7. Feed forward networks, 8. Stochastic recurrent networks, 9. Unsupervised competitive learning, 10. Linear feature extractions, 11. Principal component analysis, 12. Optimal reconstruction, 13. PCA and neural network, 14. Independent component analysis, 15. Mutual information as criterion of ICA
情報学基礎
人間情報システム特論受付中
大阪府立大学
2
講義
開講時期
2021年4月8日 ~
概要
人間の知覚・認識・意思決定を分析し計算機に実現するための幾つかの関連事項について講述する.まず,基礎としてのクラスター分析法をとりあげ,ファジィc平均法やガウス混合モデルなどの統計的手法,さらにクラスター分析の応用として,回帰分析,主成分分析の同時分析法などについて述べ,実データの解析における欠測値の処理法との関連や妥当性評価法を紹介したのちに,情報推薦や情報保護への応用を解説する.
機械学習
機械学習特論受付中
大阪府立大学
2
講義
開講時期
2021年4月8日 ~
概要
機械学習の基礎的内容を学ぶ,また,そのための予備的知識を学ぶ.

注意事項