Syllabus data
|
Teacher name ： 中村 知道
|
Course Title
Multivariate Analysis
Course Title in English
Multivariate Analysis
Course Type
Major Courses
ー
Eligible Students
School of Social Information Science
Target Grade
2Year
Course Numbering Code
KCJBS2MCA1
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
講義 (Lecture)
Eligible Year/Semester
Fall semester 2026
Instructor
中村 知道
Affiliation
社会情報科学部
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
講義終了後の1時間・教員研究室
Contact
tomo@gsis.u-hyogo.ac.jp
Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
3◎／1〇
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー
Course Objectives and Learning Outcome
●講義目的
本講義では、大量データ（多変数および多くのデータ数）の処理方法として、統計的な方法として多変量解析と信号処理の方法としてフーリエ変換を取り上げ、実際のデータに使用できる応用力と、得られた結果の意味を分かりやすく説明する力の習得を目的とする。 ●到達目標 多変量解析とフーリエ変換の計算をコンピュータ上で行い、様々な問題の数理的描像を速やかに説明出来るようになることである。 Subtitle and Keywords of the Class
Course Overview and Schedule
●講義内容
多変量解析では回帰分析、因子分析、主成分分析、判別分析、クラスター分析、数量化について例題を用いながら説明し、フーリエ解析ではフーリエ級数からフーリエ変換、離散フーリエ変換に至るまでの考えを段階的に説明する。 ●授業計画
講義内でパソコンを使用する作業はない。 In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
対面授業のみ
Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
生成AIの利用にあたっては『本学の教育における生成AIの取扱いについて(学生向け)』の記載内容について留意すること。生成AIの利用については担当教員の指示に従うこと。
教員が認める範囲を超えて生成AIを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。生成AIの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。また、生成AIによる出力結果をそのまま課題・レポート・論文として提出してはならない。 Textbook
講義開始時に資料を配布する。
References
多変量解析のはなし、大村 平、日科技連出版社
例題でよくわかる はじめての多変量解析、 加藤 豊、森北出版 多変量解析法入門、永田 靖、棟近 雅彦、サイエンス社 多変量データ解析、杉山 高一、藤越 康祝、椋 透、朝倉書店 統計学入門、東京大学出版会 データ分析に必須の知識・考え方 統計学入門、阿部 真人、ソシム ---------------------------------------------------------------------------------------------------------- Pythonで学ぶフーリエ解析と信号処理、神永 正博、コロナ社 Python対応 ディジタル信号処理、阿部 正英、八巻 俊輔、川又 政征、樋口 龍雄 (監修)、森北出版 Pythonで学ぶ実践画像・音声処理入門、伊藤 克亘、花泉 弘、小泉 悠馬、コロナ社 Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【予習】参考文献などを利用して事前に各講義の内容を把握すること (15h)
【復習】講義内容の理解を深めるために配布資料を読み直し(15h)、レポート課題に取り組む際は自らコンピュータプログラムを作成し実行すること (30h) Contents of Active Learning
採用しない
Grading Criteria and Methods
複数回のレポートにより、講義内容の理解度を評価し、評価が60点以上のものを合格とする。
●成績評価の基準 多変量解析とフーリエ解析の基礎を理解し、コンピュータを利用して多変量解析と離散フーリエ変換に関する計算が出来ること。 ●成績評価の方法 定期試験は実施せず、複数回のレポートの内容により総合的に評価する。 How to Disclose Assignments and Exam Results
希望者に対して個別に対応し講評を伝える。
Precautions and Requirements for Course Registration
講義内で確率・統計や微積分の基本的な事項について触れるが、これらについては理解しておくこと。
レポートの未提出は不可の認定となるので、期限を厳守し提出すること。但し、やむを得ない理由で提出期限内に提出が出来ないときは、提出期限前に連絡すること。 レポート内にwebからのコピー（引用、参考文献を明記している場合は除く）や、他の人と同じものがある場合は不可の認定となります。 Practical Education
該当しない。
Remarks
レポート課題を行うにはコンピュータを用いた計算が必要となるため、どのプログラム言語でも構わないが、プログラムに慣れておくこと。
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.
|
