シラバス詳細

タイトル「2022年度」、カテゴリ「理工学部」

和文・英文ボタンを押すことで、和文↔英文の切り替えができます。

和文英文

医学部のシラバスはこちらから。

医学系研究科博士課程のシラバスはこちらから。

科目情報

コースナンバリング	2-548i-233
科目名	モデリング・シミュレーション実験
開講学期	後期
開講時期	３クォータ
曜日・校時	火４、火５
単位数	2
授業担当教員	皆本　晃弥

講義情報

学士力番号

1-(3),2-(1),3-(2)

講義形式

PCを使った演習を行う。

講義概要

本科目は、講義科目「実践データサイエンス（モデリングとシミュレーション）」に付随した演習科目である。講義で扱った例題や課題を実際にプログラミングして、データ分析を行うことで、技能の習得を図る。

開講意図

データサイエンスを支える統計解析、データ可視化手法、データマイニング手法など、理論的かつ実践的な知識を習得し、与えられたデータに対して統計解析ソフトウェアを活用して、これらの知識を適応できる能力を演習により身につける。

到達目標

(1) いろいろなデータ解析の概念や各手法の特徴を理解する。
(2) Pythonなどの言語を用いて、データ分析ができる。
(3) データとその利用目的に応じた可視化ができる。
(4) 自他が導いたデータ解析結果を理解し、他者へ説明できる。

履修上の注意

・本授業を履修する学生は、必ず「実践データサイエンス（モデリングとシミュレーション）」も履修すること．
・ノートPCを持参すること．
・本授業では、Jupyter Notebookを利用する。各自で、Anacondaをインストールすること．
【参考URL】
https://www.python.jp/install/anaconda/windows/install.html

授業計画

回	内容	授業以外の学習本科目は、単位数×45時間の学修が必要な内容で構成されています。授業として実施する学修の他に、授業の内容を深めるために以下の事前・事後学修が必要です。
1	基本的な確率・統計の計算	所定の課題に取り組むこと。
2	人口予測	所定の課題に取り組むこと。
3	移民を考慮した人口モデル、記憶モデル	所定の課題に取り組むこと。
4	購入意欲、共鳴	所定の課題に取り組むこと。
5	疫病モデル、２種競合モデル	所定の課題に取り組むこと。
6	回帰	所定の課題に取り組むこと。
7	ロジスティック回帰	所定の課題に取り組むこと。
8	多クラス分類・ソフトマックス回帰	所定の課題に取り組むこと。
9	主成分分析	所定の課題に取り組むこと。
10	k近傍法とk平均法	所定の課題に取り組むこと。
11	線形SVM	所定の課題に取り組むこと。
12	カーネルSVM、ナイーブベイズ分類器	所定の課題に取り組むこと。
13	深層学習入門	所定の課題に取り組むこと。
14	CNN	所定の課題に取り組むこと。
15	RNN	所定の課題に取り組むこと。

成績評価の方法と基準

到達目標の(1)～(4)に関する課題を毎回課し、その総点数および平素の取り組み状況によって評価する。ただし、すべての課題を提出していない場合は、成績を「不可」とする。
また、４回以上欠席した場合は、受講を放棄したとみなし、成績を「不可」とする。やむを得ず欠席する場合は、できるだけ事前（ないしは速やかに）にその理由およびそれを証明する書類を添えて知らせること。

開示する試験問題等

課題およびその意図、採点基準など。

開示方法

課題については希望者に開示する。

教科書

資料名		版
著者名	発行所名・発行者名	出版年
備考（巻冊：上下等）		ISBN
特に指定しない。

参考図書

資料名		版
著者名	発行所名・発行者名	出版年
備考（巻冊：上下等）		ISBN
スッキリわかる確率統計 : 定理のくわしい証明つき
皆本晃弥著	近代科学社	2015
		9784764904835
スッキリわかる線形代数 : 解法テクニックつき
皆本晃弥著	近代科学社	2011
		9784764910539
詳細!Python3入門ノート
大重美幸著	ソーテック社	2017
		9784800711670
基礎からスッキリわかる線形代数 : アクティブ・ラーニング実践例つき
皆本晃弥著	近代科学社	2019
		9784764905863
基礎からスッキリわかる微分積分 : アクティブ・ラーニング実践例つき
皆本晃弥著	近代科学社	2019
		9784764905856
スッキリわかる微分方程式とベクトル解析 : 誤答例・評価基準つき
皆本晃弥著	近代科学社	2007
		9784764910492
C言語による数値計算入門 : 解法・アルゴリズム・プログラム
皆本晃弥著	サイエンス社	2005

オフィスアワー

金曜日５校時および随時（メールにて予約が必要）
minamoto@is.saga-u.ac.jp

アクティブラーニング導入状況

アクティブラーニング導入状況
カテゴリー4	カテゴリー3	カテゴリー2	カテゴリー1	カテゴリー0
学生が自ら主体となって、学習の方向性を定め、問題解決に導くための時間です。PROBLEM BASED LEARNING	グループや個人で行った能動的学習の成果を、教室内外で発表し、その評価を受けたり、質問に対応したりすることにより、学修した内容を深化させるための時間です。OUTPUT	学生自らが自由に発言し、グループやペアでの協働活動により課題に取り組み、何らかの帰結に到達するための能動的学習の時間です。INTERACTION	学生からの自由な発言機会はないものの、授業時間中に得られた知識や技能を自ら運用して、問題を解いたり、課題に取り組んだり、授業の振り返りをしたりする能動的学習を行う時間です。ACTION	基本的に学生は着席のまま、講義を聞き、ノートをとり、知識や技能を習得に努める時間です。INPUT
0	0	30	60	10