京都大学国際高等教育院附属 データ科学イノベーション教育研究センター

menu

データ科学展望II

開講時期 年度 後期 集中
担当教員 国際高等教育院 特定講師 木村 真之
授業情報 (群) 院横断 群 (分野(分類)) 統計・情報・データ科学系 (使用言語) 日本語
(単位数) 1単位 (時間数) 15時間 (授業形態) 講義
(開講年度・開講期) 2021・後期集中 (配当学年) 大学院生 (対象学生) 全学向
(曜時限) 集中
(教室) 未定
授業の概要・目的 身の回りの自然現象は、長い歴史の中で微分方程式としてモデル化され、様々な研究がなされてきた。それらのモデルの多くは非線形で理論的な解析が困難なことも多いため、電子計算機を用いた数値的な解析も広く用いられてきた。電子計算機の近年のめざましい発展による高速化・大記憶容量化により、微分方程式モデルから膨大なデータを容易に取得できるようになった。したがって、近年では、適切にデータを分析処理し、特徴量を抽出する技術や、観測データを用いたモデルの同定などが重要視されている。本講義では、自然現象を記述する微分方程式モデルを概説し、それらの数値シミュレーション手法について述べる。また、数値的に得られたデータに対する解析手法や、ノイズを含むような観測データの解析についても触れる。
到達目標 微分方程式の数値シミュレーション手法やデータ解析手法を理解し、目的に応じて使い分けられるようになる。また、ノイズを含むデータの取り扱い方法を理解し、プログラムとして実装できるようになる。
授業計画と内容 第1回 自然現象とモデル: 様々な自然現象とそれらを記述する数理モデルについて、歴史的なエピソードなどを交えながら紹介する。また、シミュレーション環境としてPythonの
Jupyter Notebook を各自のノートPCに導入する。
第2回 常微分方程式の数値的解法について述べる。特に、陽的解法を中心に紹介する。
第3回 偏微分方程式の数値的解法について述べる。
第4回 セルオートマトンのような離散系のシミュレーションと連続系との関係について述べる。
第5回 ランダムな時系列データに対する統計処理について述べる。特に、データが確率的か否かを判別する手法に触れる。
第6回 状態空間モデル、粒子フィルタについて基礎的な事柄を解説する。
第7回 粒子フィルタの実装を行う。
履修要件 共通教育における微積分、線形代数、確率、統計程度の内容を理解していることが望ましい。また、プログラミングの初歩的技術を習得していることが望ましい。

Contact

〒606-8315 京都市左京区吉田近衛町69 近衛館202, 301, 302号室
Tel. 075-753-9691
E-mail : contact@ds.k.kyoto-u.ac.jp