シラバス詳細

タイトル「2023年度」、カテゴリ「理工学研究科（博士前期課程）」

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
科目名	Mathematical Data Science(データサイ
開講学期	前期
開講時期	１クォータ
曜日・校時	火５
単位数	2
授業担当教員	皆本　晃弥

講義情報

講義形式

講義

講義概要

Data science requires knowledge of mathematics, statistics, machine learning, etc. In this lecture, these will be explained with practical examples. The lecture will also explain the relationship between mathematical theory and computational cost.

開講意図

Data science requires knowledge of mathematics, statistics, machine learning, etc. In this lecture, students will learn about this mathematical knowledge.

到達目標

Understand the mathematical background of typical methods used in data science.

Perform statistical analysis and extract characteristics of data in order to make predictions and analyses based on data.

∙Select appropriate data science methods depending on problems, interpret the meaning of the data, and explain the results.

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	Mathematical, Data Science, AI, and Lecture Outline The content and order of this lecture may be subject to change depending on the progress of the course.	Work on the prescribed assignments.
2	SIR Model	Work on the prescribed assignments.
3	Mathematical properties of the SIR model	Work on the prescribed assignments.
4	Correlation, covariance, principal components	Work on the prescribed assignments.
5	Principal component analysis	Work on the prescribed assignments.
6	Examples of Principal Component Analysis	Work on the prescribed assignments.
7	Feed Forward neural network	Work on the prescribed assignments.
8	Classification	Work on the prescribed assignments.
9	Autoencoder	Work on the prescribed assignments.
10	Sparse Autoencoder	Work on the prescribed assignments.
11	Principal component analysis for factor exploration	Work on the prescribed assignments.
12	Factor analysis	Work on the prescribed assignments.
13	PageRank	Work on the prescribed assignments.
14	Google Matrix and its properties	Work on the prescribed assignments.
15	Computations of PageRank	Work on the prescribed assignments.

成績評価の方法と基準

Assignments related to the achievement objectives will be given in each and evaluated accordingly.
If you do not submit ALL assignments, the evaluation will be automatically set to "Failure".

開示する成績評価の根拠資料等

Assignment, Aim of the assignment

開示方法

Students who want to request disclosure should contact the lecturer.

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
深層学習		改訂第2版
岡谷貴之著	講談社	2022
		9784065133323
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
Google PageRankの数理 : 最強検索エンジンのランキング手法を求めて
Amy N.Langville, Carl D.Meyer著 ; 岩野和生, 黒川利明, 黒川洋訳	共立出版	2009
		9784320122390

オフィスアワー

金曜日5校時および随時（ただし、メールで予約が必要）．

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	0	30	70