2024年度学院等開講科目工学院機械系

統計データ解析

開講元: 機械系
担当教員: 三浦智
授業形態: 講義/演習 (対面型)
メディア利用科目: -
曜日・時限 (講義室): 木5-8 (W2-401(W241))
クラス: -
科目コード: MEC.B221
単位数: 110
開講時期: 2024年度
開講クォーター: 3Q
シラバス更新日: 2025年3月17日
使用言語: 日本語

シラバス

授業の目的（ねらい）、概要

この講義では、データのバラツキに対し、確率分布モデルなどを学習し統計の基礎的処理を学ぶとともに、最適化計算や機械学習を用いたデータ処理の手法を、理論的かつ実践的に学ぶことを目的としています。

到達目標

本講義では以下を到達目標とします。
・データのバラツキに対する基本的な統計処理を理解および説明し、実践することができる。
・基本的な最適化計算を理解および説明し、実践することができる。
・基本的な機械学習を理解および説明し、実践することができる。

キーワード

機械学習、AI、統計、確率、ばらつき、データサイエンス、深層学習、最適化

学生が身につける力

専門力
教養力
コミュニケーション力
展開力 (探究力又は設定力)
展開力 (実践力又は解決力)
6. 機械工学の発展的専門学力， 7. 専門知識を活用して新たな課題解決と創造的提案を行う能力

授業の進め方

本授業では、講義後に各自のPCでインターネットを繋ぎ、プログラミングによる実践を行います。各回の講義を予習・復習してください。

授業計画・課題

	授業計画	課題
第1回	はじめに、データサイエンスの歴史、有用性	母集団と標本空間、ベイズの定理など
第2回	データのバラツキ	確率分布関数、中心極限定理、相関係数
第3回	バラツキの解釈	確率分布、平均・分散、中心極限定理
第4回	代表的なデータと様々な確率分布	二項・ポアソン・正規分布
第5回	統計的検定手法	母平均の比較、有意差、p値、信頼区間
第6回	データに基づく推定法	最尤推定法、情報量基準・モデル選択理論など
第7回	データモデリング	一般化線形モデル、線形回帰、ロジスティック回帰など
第8回	最適化データ可視化手法	次元圧縮、主成分分析、MDS、その他多様体学習
第9回	クラスタリング手法	階層的・群平均など、非階層的・k-meansなど
第10回	ロバスト推定手法	最小二乗、M推定、乱数を用いたロバスト推定など
第11回	機械学習を用いた発展的モデリング①	非線形モデル、ベイジアンネットワークなど最近・アドバンスドなトピックから
第12回	機械学習を用いた発展的モデリング②	非線形モデル、ニューラルネットワークなど最近・アドバンスドなトピックから
第13回	データサイエンスを意識した研究デザインなど	DNN, CNN, RNN, GAN, 転移学習
第14回	期末レポート	期末課題
第15回	-

準備学修(事前学修・復習)等についての指示

学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。

教科書

必要に応じて資料を配布。

参考書、講義資料等

特になし。

成績評価の方法及び基準

毎回のレポートによる提出物で評価する。

履修の条件・注意事項

この科目は
旧MEC.B231.L「確率・統計」および，旧MEC.B232.L「基礎数値計算法」
の読み替え科目です．
・「確率・統計」「基礎数値計算法」両方の単位を修得済みの場合はこの科目を履修できません．
2023年3月31日以前に入学した学生(～22B)がこの科目の単位を修得した場合は
・どちらか一方の単位を修得済みの場合はL(選択)1単位，標準課程外1単位
・両方の単位を未修得の場合はL(選択)2単位
で単位換算されます．

その他

MEC.B201 ：情報数理基礎を履修していること、またはこれと同等の知識を有することが望ましい。