数理・データ科学のための数学入門Ｉ
| 開講時期 | 2019年度 前期 |
|---|---|
| 担当教員 | 情報学研究科 教授 山本 章博 |
| 授業情報 | (群) 自然 群 (分野(分類)) データ科学(基礎) (使用言語) 日本語 (旧群) Ｂ群 (単位数) 2単位 (週コマ数) 1コマ (授業形態) 講義 (開講年度・開講期) 2019・前期 (配当学年) 全回生 (対象学生) 全学向 (曜時限) 金4 (教室) 共北31 |
| 授業の概要・目的 | 高度情報化社会である今日，至るところに蓄積される大量のデータを解析するための科学であるデータ科学は，学術全般・産業界のみならず日常生活の至る所に大きな変化をもたらそうとしている．データ科学の根幹である情報学・統計学・数理科学に対する基本的な理解，特に基礎的な数学の素養は社会を支える広範な人材にとっての基礎的な教養となりつつある． 本講義は，データ科学における理論と技術に必要な基礎数学の中で，基礎的な確率・統計，基礎的な線形代数，両者の応用としてのデータ解析の基礎について理解することを目的とする．数学理論としての完全な体系よりも，具体的な計算手法の習得とデータ解析への応用を重視する．また，文系学生が受講可能なように，高校での数学IIIの知識を仮定せず，必要が生じれば，その都度補う形で進める． |
| 到達目標 | 確率・統計および線形代数の基礎的内容を理解し，それらがデータ科学にどのように用いられるか理解する．数学的理論だけでなく，具体的な計算方法について習得する． |
| 授業計画と内容 | 次の内容について講述する予定である． 1．導入：確率・統計および線形代数の応用による，大量のデータの背後に隠れた規則性・知識の抽出（1 週） 2. 確率・統計の基礎（3～4 週） （条件付確率，確率変数と確率分布，平均と分散，二項分布と正規分布) 3．線形代数の基礎（5～6 週） （ベクトル・行列，行列の基本的演算，逆行列，行列の固有値，テンソル） 4：データ解析の基礎（3～4 週） （同時確率分布，共分散と相関係数，単回帰，主成分) |
| 履修要件 | 特になし |
