2025年度 (最新) 学院等開講科目理学院物理学系物質・情報卓越コース

マテリアルズインフォマティクス発展

開講元: 物質・情報卓越コース
担当教員: 安尾信明 / 桑畑和明 / 関嶋政和 / 前園涼
授業形態: 講義
メディア利用科目: -
曜日・時限 (講義室): 不明
クラス: -
科目コード: MIS.A603
単位数: 200
開講時期: 2025年度
開講クォーター: 4Q
シラバス更新日: 2025年7月28日
使用言語: 英語

シラバス

授業の目的（ねらい）、概要

すべての分野において計算とデータの活用が欠かせない時代になってきている．本講義では，理工系の研究者・技術者として活躍していくために重要となる，大量のデータをコンピュータを利用して解析し，利用するための基礎的な方法に関する演習を行う．本講義のねらいは，コンピュータを用いてデータを処理・分析し，そこから重要な知見を得るための基礎技術を身に付けさせることである．

到達目標

統計的機械学習およびコンピュータを用いたデータの処理の基本を理解し，統計学的分析のためのソフトウェア/プログラムを適切に利用できるようになること．

キーワード

機械学習,分類，回帰，クラスタリング，次元圧縮，訓練誤差と汎化誤差，モデル選択

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)

授業の進め方

学生は原則対面にて実施する。講義と演習を交互に行いながら授業を進める．講義内容に続き，関連したプログラミング演習を行う.

授業計画・課題

	授業計画	課題
第1回	ガイダンス	履修に必要となる数学的事項およびデータサイエンスの概要について学ぶ．
第2回	演習：Pythonの基礎	Python言語を用いた計算（情報処理）の基本的な考え方について理解でき，本科目の講義・演習の準備ができる．
第3回	データ分析の基礎	統計学，データサイエンスの基礎について学ぶ
第4回	演習：計算環境の整備と活用	データ分析の基盤であるGoogle Colaboratoryや、Pythonおよびそのライブラリについて学ぶ．
第5回	分類とモデル選択	ラベルのついたデータから判別規則を抽出する手法について学ぶ．訓練誤差と汎化誤差の違い，モデル評価の方法について学ぶ．
第6回	演習：分類とモデル選択	Decision tree の構成原理を理解し，利用できるようになる．
第7回	クラスタリング	教師なし学習の概念およびクラスタリングアルゴリズムの仕組みを理解する。
第8回	演習：クラスタリング	クラスタリングアルゴリズムの仕組みを理解し，仮想的なデータに対して適用できるようになる．
第9回	主成分分析	主成分分析とその背後にある数理について学ぶ．
第10回	演習：主成分分析	主成分分析を仮想的なデータに対して適用できるようになる．
第11回	次元圧縮	多次元尺度構成法，正準相関分析など多変量解析における次元圧縮の手法を学ぶ．
第12回	演習：次元圧縮	次元圧縮を仮想的なデータに対して適用できるようになる．
第13回	アンサンブル学習	アンサンブル学習の概念を理解し，代表的な手法を説明できるようになる．
第14回	演習：アンサンブル学習	アンサンブル学習を仮想的なデータに対して適用できるようになる．

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

特になし．

参考書、講義資料等

LMSまたはZoom上にて電子的に配布する。

成績評価の方法及び基準

講義・演習に関するレポートおよび最終課題にもとづいて評価する。

履修の条件・注意事項

線形代数学，微分積分学，数理統計学に関する基本的な知識があることが望ましい．

オフィスアワー

質問はメール等で随時受けつける．

その他

・物質・情報卓越コースの博士課程学生限定の授業です。それ以外の学生は履修できません。
・「マテリアルズインフォマティクス（XMC.A404）」は物質・情報卓越コースの修士課程学生向けであるため、同時に履修しないこと。
・本科目はXCO.T677: 基盤データサイエンス発展とXCO.T678: 基盤データサイエンス発展演習を合わせたものと同一内容になっており、重複履修できません。
・XCO.T679: 基盤人工知能発展とXCO.T680: 基盤人工知能発展演習は本講義と関連が深い内容を取り扱っているため、履修を推奨します。
・Google Colaboratory を使って演習を行うため、初回講義までに各自 Google アカウントを取得しておくことが望ましいです。