| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科 | 全担当教員 | 単位数 |
|---|---|---|---|---|---|---|
| 32591:[2025 春セメスター]データサイエンス演習A (T1) § 32592:アルゴリズム論演習(X1) | 2025 | 春セメスター | 月5 | 理工学部 | 青井 久 | 2 |
キャンパス
BKC
授業施設
コラーニングⅠ情報処理Ｃ３２
授業で利用する言語
日本語
授業の概要と方法
本演習ではデータ解析の基礎である線形回帰に関わる手法をその理論と
実装の双方から扱う．特に，Lasso回帰の基礎的な概念を学び，
それに関連する手法(Group Lasso, Graphical Lasso)を扱う．
実装の双方から扱う．特に，Lasso回帰の基礎的な概念を学び，
それに関連する手法(Group Lasso, Graphical Lasso)を扱う．
受講生の到達目標
- 各種回帰の理論を理解する
- 各種手法を実装し，それを具体的なデータに適用できる
- 各種手法を実装し，それを具体的なデータに適用できる
事前に履修しておくことが望まれる科目
データサイエンスI,II，プログラミング演習
授業スケジュール
| 授業回数/ 担当教員（複数担当の場合） |
テーマ |
|---|---|
| キーワード・文献・補足事項等 | |
| - | +R授業対象科目。第4回に+R授業を実施。詳細はmanaba+Rを参照。 |
|
|
| 1 | 環境設定 |
|
|
| 2,3 | 線形回帰の基礎 |
Pythonによる実装，ライブラリの利用 |
|
| 4〜6 | モデルの設計 |
多項式回帰，過学習 |
|
| 7〜9 | Ridge回帰 |
Ridge回帰の理論と実装 |
|
| 10〜12 | Lasso回帰 |
Lasso回帰の理論と実装，スパース性 |
|
| 13,14 | その他の手法 |
Group Lasso, Graphical Lasso等 |
授業実施形態
以下の予定であるが，変更がある場合は事前に通知する：
第1,2,5,6,7,8,9,10回を対面授業
それ以外(第3,4回,第11回以降)をメディア授業
第1,2,5,6,7,8,9,10回を対面授業
それ以外(第3,4回,第11回以降)をメディア授業
授業外学習の指示
1回生で扱った線形代数学と偏微分の理論を用いることになる．データの数は多いが理論自体は難しいものではない．改めて見直すと良いだろう．
また，計算にはプログラミング言語Pythonを用いるので．基礎的な内容に不安を覚える者は各自で自習すると良いだろう．
また，計算にはプログラミング言語Pythonを用いるので．基礎的な内容に不安を覚える者は各自で自習すると良いだろう．
成績評価方法
| 種別 | 割合(%) | 評価基準等 |
|---|---|---|
| 定期試験（筆記） | 0 | |
| レポート試験 （統一締切日を締切とするレポート） |
0 | |
| 上記以外の試験・レポート、平常点評価 （日常的な授業における取組状況の評価） |
100 | 日常的な課題提出を評価する。 |
成績評価方法(備考)
受講および研究に関するアドバイス
教科書
教科書(使用頻度、その他補足)
資料を配布する
参考書
| 書名 | 著者 | 出版社 | ISBNコード | 備考 |
|---|---|---|---|---|
| 統計的機械学習の数理１００問ｗｉｔｈ Ｐｙｔｈｏｎ | 鈴木譲 | 共立出版 | 9784320125070 | 理論と実装の双方を勉強できる |
| 統計的学習の基礎 | Trevor Hastie 他 | 共立出版 | 9784320123625 | 訳本であり，原著はWeb上から無料で取得できる |
参考書(使用頻度、その他補足)
参考になるwwwページ
授業内外における学生・教員間のコミュニケーションの方法
学生との直接対話
備考
【科目ナンバリング・カリキュラムマップはこちらから/Click here to see the Curriculum-Map and Course-Numbering】
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/