データ科学演習｜シラバス情報

授業科目名

データ科学演習

(英語名)

Exercises in Data Science

科目区分

ー

コース基盤科目（データ科学コース）

対象学生

情報科学研究科

学年

1年

ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ

KIIMD5MCA3

単位数

2.0単位

ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の？から別途マニュアルをダウンロードしてご確認ください。

授業の形態

演習 (Seminar)

開講時期

2024年度後期

担当教員

木庭淳、笹嶋宗彦、入江穂乃香

所属

情報科学研究科

授業での使用言語

日本語

関連するＳＤＧｓ目標

目標9

ｵﾌｨｽｱﾜｰ・場所

授業終了後・教員研究室

連絡先

sasajima@sis.u-hyogo.ac.jp
kiniwa@sis.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標

二重丸は最も関連するDP番号を、丸は関連するDPを示します。

学部DP

ー

研究科DP

1◎／2〇

全学DP

ー

教職課程の学修目標

ー

講義目的・到達目標

講義目的
データ科学における機械学習の技術およびその基礎理論は、社会の実問題を解決することを目的としている。この観点のもと、本演習では、社会の実際のデータを用いて、データ科学における基礎的なデータ分析技術である、(1)回帰分析、(2)分類（クラシフィケーション）、(3)クラスタリング分析という3つについて学び、それらを実際に利用するためのスキルを身に付けることを到達目標とする。
(1)回帰分析…社会の実際のデータを読み込み、それをベクトルとして表現し、そこから数値データを予測する回帰分析の技術を学ぶ。
(2)分類（クラシフィケーション）…データをあらかじめ決められたカテゴリに分類する技術（クラシフィケーション）を学ぶ。分類結果の評価方法についても学ぶ。
(3)クラスタリング分析…データ集合から類似するグループを発見する技術であるクラスタリング分析の技術を学ぶ。クラスタリング結果の評価方法についても学ぶ。

到達目標
１）機械学習の具体的な解法を理解し、簡単な例題を分析できるようになること
２）実験レポートをまとめられるようになること

授業のサブタイトル・キーワード

講義内容・授業計画

代表的な機械学習の手法について理論の解説とそれを用いた演習を行なう。演習では、Wekaまたはpythonを使用する。ただしツール自体の習熟よりも概念の修得をめざし、環境に柔軟に適応した能力が備わる方向で指導する。総合演習では㈱ザイマックス様の協力を得て、実データ（オフィス家賃など）を用い、各自がオリジナル課題に取り組む。
1　ガイダンス（PC環境の確認など）と単・重回帰分析の解説
2　単・重回帰分析の演習（協力：㈱ザイマックス）
3　リッジ・ラッソ回帰，エラスティックネット（過学習）の解説
4　リッジ・ラッソ回帰の演習
5　回帰分析の総合演習（協力：㈱ザイマックス）
6　決定木の解説
7　決定木の演習
8　サポートベクトルマシンの解説
9　サポートベクトルマシンの演習
10　分類の総合演習
11　階層型クラスタリングの解説
12　階層型クラスタリングの演習
13　非階層型クラスタリング（k-means）の解説
14　非階層型クラスタリング（k-means）の演習
15 クラスタリングの総合演習（到達度の確認）

※レポート、小論文、学位論文等については、学生本人が作成することを前提としているため、生成系AIのみを用いて作成することはできません。

教科書

ユニバーサルパスポートで資料を配布します

参考文献

フリーソフトではじめる機械学習入門(第2版):Python/Wekaで実践する理論とアルゴリズム，荒木雅弘著（森北出版）

事前・事後学習（予習・復習）の内容・時間の目安

事前学習
講義や自身の分析で使用するツールのBYODの環境整備を行う。講義内容を把握するとともに、理解できない所を明確にしておく。1回の目安は1時間程度。

事後学習
演習時間内に終わらなかった課題がある場合は、引き続きそれを⾏う。また、総合演習に向けたデータ収集や分析を行い、レポートを作成する。1回の目安は3時間程度。

アクティブ・ラーニングの内容

講義中の演習は個人で行うが、分からないところは、教員に質問したり、学生同士で教えあったりすることを推奨して、コミュニケーション能力を養う。

成績評価の基準・方法

成績評価の基準：
機械学習の⽅法を理解し、基礎的なデータ分析ができる者に単位を授与する。講義目的・到達目標に記載する能⼒（知識・技能、思考⼒、判断⼒、表現⼒等）の到達度に基づき、S（90点以上）、Ａ（80 点以上）、B（70 点以上）、C（60 点以上）による成績評価のうえ、単位を付与する。

成績評価の⽅法：
3回の総合演習の成果物とそのレポートの内容（100％）で評価する。

課題・試験結果の開示方法

3回の総合演習のレポートについては、ニバーサルパスポートの課題を用いて、個別にフィードバックする。また、締め切り後の講義で複数の教員が講評する。

履修上の注意・履修要件

・各自のノートパソコンを用いて受講すること。事前にWekaをインストールしておくこと。難しい場合は、相談してください。
Wekaはhttps://www.cs.waikato.ac.nz/ml/weka/からダウンロードできる。
・目的に応じて使えるひとつの手段として既存ツールのWekaを使用する。興味やプログラミング経験のレベルに応じてpythonを紹介する。
・授業中に指示した宿題や事前・事後学習はもとより、「講義内容・授業計画」に記載したテキスト等の該当箇所などについて、十分な予習・復習をして講義に出席すること。

実践的教育

該当しない

備考

英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。