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
31831:データサイエンス演習A (T1) § 31832:アルゴリズム論演習(X1) 2023 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

プリズム情報処理演習室Ｐ３４

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．

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

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
1

環境設定

2〜4

線形回帰の基礎

Pythonによる実装，ライブラリの利用

5〜7

モデルの設計

多項式回帰，過学習

8〜10

Ridge回帰

Ridge回帰の理論と実装

11〜13

Lasso回帰

Lasso回帰の理論と実装，スパース性

14,15

その他の手法

Group Lasso, Graphical Lasso等

授業実施形態

BCP停止の場合は、BCPレベル0～2の記載どおりに授業が行われます。
During the suspension period of BCP, classes will be as described in BCP levels 0-2.

【BCPレベル1~2の場合 / In the case of BCP level 1】最初の2回は対面とし，残りはWeb授業とする．

【BCPレベル3~4の場合 / In the case of BCP level 3-4】Web授業とする．

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．

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)

BCPレベルにより成績評価方法は変更しない．

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/