システム情報研究科　コンピュータサイエンス専攻　科目一覧　- シラバス -

データ解析特論
担当教員	馬場雪乃，津川翔，鈴木大三
電子メール	馬場雪乃(baba@cs)，津川翔(s-tugawa@cs)，鈴木大三(taizo@cs)
URL	資料などの配布にはmanabaを利用する．
オフィスアワー	各担当教員に事前に連絡のこと．
科目番号	01CH738
分野	共通科目
基礎／専門の別
授業形態	講義＋演習
開講学期	秋AB
時限	木5,6
教室	3B405
キーワード	データ解析，統計学
Keyword	Data analysis, Statistics
前提条件	学部（学類）レベルの確率論，統計学の知識．
学位プログラム・コンピテンスとの関係	知の活用力,マネジメント能力,研究力,知識力
学習目標	多様なデータに対して，それらを解析，解釈するための基礎から発展に至る手法を理解する．修士論文研究を行う上で研究成果をデータに基づき客観的に評価し，プレゼンテーションできるようになる．
概要	コンピュータサイエンス研究の様々な場面で遭遇する多様なデータを用いた分析，解釈，予測に関して，基礎的な知識の確認から開始し，従来より用いられてきた解析手法，近年開発されてきている手法に至るまで，それぞれの考え方と特徴について講述し，R言語を用いた演習を行う．
授業計画	鈴木担当第1週：導入基本的な確率論のおさらい：確率，確率事象と確率変数，確率分布，確率密度関数 Rイントロ：インストール，言語仕様，計算方法，主要なデータ構造，入出力，パッケージ第2週：推定密度関数の推定（最尤推定，ベイズ推定，混合分布の最尤推定（EMアルゴリズム），ノンパラメトリック推定）区間推定と信頼係数第3週：主成分分析共分散（相関）行列と主成分，非線形（カーネル）主成分分析とその意味第4週：相関解析と回帰相関係数単回帰，重回帰と誤差馬場担当第5週：ベイズ統計モデリングベイズ推定とMCMC 確率的プログラミング言語Stan 第6週：様々な確率分布離散型分布とその事前分布連続型分布第7週：実用的なモデル階層モデル離散値をとるモデル津川担当第8週：ネットワーク分析ネットワークとして表現可能なデータネットワークの可視化ネットワーク分析で用いられる指標第9週：クラスタリングとその評価データ間の距離に基づくクラスタリングデータ間の関係 (ネットワーク) に基づくクラスタリングクラスタリングの評価第10週：データのランキングとその評価ネットワークにおけるノードランキング情報検索の分野におけるランキングの評価指標
教科書
参考書	Rで学ぶデータサイエンスシリーズ（共立出版） Applied Predictive Modeling, Max Kuhn & Kjell Johnson,Springer,2013 StanとRでベイズ統計モデリング（共立出版）ベイズ統計モデリング: R,JAGS, Stanによるチュートリアル（共立出版）
成績評価	3名の担当教員の課するレポートを総合して評価する．
TF・TA
その他の情報	毎週2時限の授業のうち，前半を講義，後半をR言語を用いた演習にあてる．R言語の処理系を実行することができるノートパソコンを持参すること．