[前へ戻る]
   

 授業科目
 Course Title
ビッグデータ分析
Big Data Analytics
 担当者
 Instructor
准教授 兵頭 昌  前学期 木曜日1時限
 単 位
 Credit
2

関連するディプロマポリシー Related Diploma Policy
時代の課題と社会の要請に応えた専門的知識と技能/Expert knowledge and skills to address the issues of the age and the demands of society
 
到達目標
ビッグデータ分析I、IIを通して、有用なツールである多変量解析をマスターすることを目的とする。具体的には、予測、要約、分類に利用される代表的な手法の理論や実装方法について理解し、統計解析ソフトRを用いたデータ分析を通して、得られた結果を解釈する力を養成する。
 
授業内容
【授業内容】ビッグデータ利活用の成功のためには、統計学を活かしてデータを分析し、課題を的確に把握する必要がある。多変量解析とは、データから有用な規則、ルール、判断基準などを抽出する手法である。前半では、データサイエンス全般に必要な数学の基礎やPCを利用した計算方法について紹介する。後半では、分散分析、多重比較法、重回帰分析を統計ソフトRの実装例を交えながら紹介し、分析を適切に行うための方法を紹介する。データは経済に限らず、社会科学、心理学、野球などの分野から広く紹介する。統計分析は実際に計算することで身に着く。各分析を実行するためのRのプログラミングも扱う。
 
授業計画
講義においても、これらを適宜復習しながら進めるつもりであるが、講義資料を予習しておくことが望ましい。
復習として、授業で配付したプリントとノートを読み返して内容をしっかり理解するよう努めるとともに、
授業中に指定した演習問題にとりくむことを毎回行う。
授業の理解には90分程度の復習が不可欠である。
01.ガイダンス、確率の定義と役割
02.データからの情報抽出
03.確率的な現象の扱い(確率変数・期待値・分散)
04.確率的な現象の扱い (離散型の確率分布)
05.確率的な現象の扱い(連続型の確率分布)
06.行列とベクトル
07.行列式
08.固有値・固有ベクトル
09.分散分析(1元配置)
10.分散分析(2元配置)
11.多重比較
12.重回帰分析(推定方法)
13.重回帰分析(推定量の分布)
14.重回帰分析(検定・予測)
 
授業運営
講義資料を配布するので各自持参すること。簡単なデータの整理や計算演習などのレポートを課す場合がある。レポートを通して、受講者は講義内容を理解し、統計ソフトを用いた簡単なデータ分析を実装出来るようになることが期待される。
 
評価方法
レポート(50%)、試験(50%)により評価する。尚、試験はテキストや関数電卓などの持ち込みを許可する。
 
オフィスアワー
木曜日12時30分~13時30分、兵頭研究室(横浜キャンパス1号館721号室)にて。
 

参考書
椎名洋 (著)・姫野哲人 (著)・保科架風 (著)・清水昌平 (編集)『データサイエンスのための数学 (データサイエンス入門シリーズ)』[講談社]2019
濱田悦生 (著)・狩野裕 (編集)『データサイエンスの基礎 (データサイエンス入門シリーズ)』[講談社]2019

 
 
 
[前へ戻る]