2025年度 (最新) 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
メディア利用科目: -
曜日・時限 (講義室)
クラス: -
科目コード: MEC.B221
単位数: 110
開講時期: 2025年度
開講クォーター: 3Q
シラバス更新日: 2025年3月19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	データサイエンスとプログラミングの基礎	プログラミング(Python)の基礎
第2回	バラツキの解釈	母集団と標本空間、確率分布モデル、平均・分散、中心極限定理
第3回	2群の統計的検定手法	母平均の比較、有意差、p値、信頼区間
第4回	多群の統計的検定手法	分散分析、Tukey法、JT法など
第5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・対数・ガンマ・ワイブルなど
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	ベイジアンネットワーク	ベイズの定理、ベイジアンネットワーク
第8回	最適化計算	最適化、最急降下法、SQP、遺伝的アルゴリズム
第9回	データモデリング	線形回帰、最小二乗、重回帰、応答曲面、一般化線形モデル、ロジスティック回帰
第10回	ロバスト推定手法	M推定、RANSAC、ロバスト性の評価
第11回	データ可視化手法	次元圧縮、主成分分析、MDS、t-SNE
第12回	クラスタリング、分類	階層的・群平均など、非階層的・k-means、SVM、ランダムフォレスト、k近傍法
第13回	ニューラルネットワーク	パーセプトロン、ニューラルネットワーク、CNN
第14回	深層学習（ディープラーニング）	DNN, CNN, RNN, GAN, 転移学習、深層強化学習

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。