2774件見つかりました。
この授業では，データサイエンスの入門科目として，実際のデータの分析をしながら統計学の基礎とその応用を学んでいきます． データの収集や整理，統計分析，プレゼンテーションに至るまでの入門的技法を実践的・体験的に習得します．
具体的には，データの平均，分散，相関といった記述統計，母集団と標本，確率分布と標本分布などの確率統計の基礎，それらに基づく推定や検定などの統計的推測，そして分散分析や回帰分析のような統計モデルの手法までを扱います．
このクラスは統計手法の体験的理解を目指します。その代わり、分析を体験する宿題は重いことに注意してください。
この授業は同じ科目名でも担当者によって、進め方や内容が異なることがあります。内容をよく吟味して選択してください。
By the end of the course, students will gain basic understanding of statistics as well as methods to analyze data using statistical software.
この授業では，データサイエンスの入門科目として，実際のデータの分析をしながら統計学の基礎とその応用を学んでいきます． データの収集や整理，統計分析，プレゼンテーションに至るまでの入門的技法を実践的・体験的に習得します．
具体的には，データの平均，分散，相関といった記述統計，母集団と標本，確率分布と標本分布などの確率統計の基礎，それらに基づく推定や検定などの統計的推測，そして分散分析や回帰分析のような統計モデルの手法までを扱います．
このクラスは統計手法の体験的理解を目指します。その代わり、分析を体験する宿題は重いことに注意してください。
この授業は同じ科目名でも担当者によって、進め方や内容が異なることがあります。内容をよく吟味して選択してください。
確率の基礎事項に関して講義する. 確率は, 不確実な現象を定量化する理論であり, データサイエンス, 経済学, 工学など幅広い分野で基礎となる数学である. この講義では, 同時確率, 条件付き確率, ベイズの定理といった基礎的な事項を学んだ後, 確率変数, 期待値, 分散といった確率分布の定量的な扱いに関して学習する. 主に離散分布を扱うが, 連続分布に関しても簡単に触れる.
Probability and statics are well established branches of mathematics that has applications in all areas of technology today. This course mainly presents a solid foundation for probability and the introduction of statics, explaining its ideas and techniques necessary for a firm understanding of the topic.
確率の基礎事項に関して講義する. 確率は, 不確実な現象を定量化する理論であり, データサイエンス, 経済学, 工学など幅広い分野で基礎となる数学である. この講義では, 同時確率, 条件付き確率, ベイズの定理といった基礎的な事項を学んだ後, 確率変数, 期待値, 分散といった確率分布の定量的な扱いに関して学習する. 主に離散分布を扱うが, 連続分布に関しても簡単に触れる.
前半で集合論理や命題論理など論理的な思考の基礎を学ぶ。後半では確率論を学ぶ。高校で習った順列や組み合わせを復習し、確率の基礎から高校の教科書にはないベイズの定理まで学習する。高校の数学とは趣が異なるので、公式を覚えたり、計算が不得意でも問題ない。数学が得意な学生、不得意な学生も楽しく勉強できる。
微分・積分の基礎事項に関して講義する．微分は対象の変化を，積分は対象の累積を解析する理論であり，データサイエンス，経済学，理工学など幅広い分野で基礎となる．実際，その強力な手法と幅広い応用ゆえ，微分・積分は線形代数と合わせて大学数学の2本柱と位置付けられることが多い．本講義では，一変数関数の微分・積分から一変数関数の多項式近似，多変数関数の微分・積分までを学習する．
微分・積分の基礎事項に関して講義する．微分は対象の変化を，積分は対象の累積を解析する理論であり，データサイエンス，経済学，理工学など幅広い分野で基礎となる．実際，その強力な手法と幅広い応用ゆえ，微分・積分は線形代数と合わせて大学数学の2本柱と位置付けられることが多い．本講義では，一変数関数の微分・積分から一変数関数の多項式近似，多変数関数の微分・積分までを学習する．
微分・積分の基礎事項に関して講義する．微分は対象の変化を，積分は対象の累積を解析する理論であり，データサイエンス，経済学，理工学など幅広い分野で基礎となる．実際，その強力な手法と幅広い応用ゆえ，微分・積分は線形代数と合わせて大学数学の2本柱と位置付けられることが多い．本講義では，一変数関数の微分・積分から一変数関数の多項式近似，多変数関数の微分・積分までを学習する．
This course will cover fundamentals of calculus, which is essentially important for various research fields. Beginning with some preliminaries, we will study derivatives and integrals. For either topic, we will start from single function, and then it will be extended to multiple functions. A number of practices are prepared for deeper understanding and practical usage of derivatives and integrals.
線形代数の基礎事項に関して講義する. 線形代数はベクトルと行列に関する理論であり, データサイエンス, 経済学, 工学など幅広い分野で基礎となる数学である. 実際, その強力な手法と幅広い 応用ゆえ, 線形代数は微分積分と合わせて大学数学の2本柱と位置付けられることが多い. 本講義では, 線形代数の基本的な考え方を代数と幾何の両面から解説する.
線形代数の基礎事項に関して講義する. 線形代数はベクトルと行列に関する理論であり, データサイエンス, 経済学, 工学など幅広い分野で基礎となる数学である. 実際, その強力な手法と幅広い 応用ゆえ, 線形代数は微分積分と合わせて大学数学の2本柱と位置付けられることが多い. 本講義では, 線形代数の基本的な考え方を代数と幾何の両面から解説する.
We will learn about the properties of vectors and matrices as these are basic concepts. We will also learn how to solve simultaneous equations using matrices. After that, we will learn about the uses of linear algebra used in our lives, including applications to technology such as computer search, computer graphics, error correction and quantum computing. Linear algebra is among the most fundamental and useful fields of mathematics, and the material here will benefit learners in many other classes at SFC.
線形代数の基礎事項に関して講義する. 線形代数はベクトルと行列に関する理論であり, データサイエンス, 経済学, 工学など幅広い分野で基礎となる数学である. 実際, その強力な手法と幅広い 応用ゆえ, 線形代数は微分積分と合わせて大学数学の2本柱と位置付けられることが多い. 本講義では, 線形代数の基本的な考え方を代数と幾何の両面から解説する.
情報社会になり，多様で大量のデータを蓄積・分析することが可能となった。本授業ではmicrosoftのexcel及び統計ソフトのRを利用してデータの分析を行い，最終的には決裁者に決済を仰ぐための資料作成までを行う。本授業を通じて，データ分析のテクニカル的なスキルのみならず，データ分析を行う上で重要な目的設定や説明変数の重要性などを身に着ける。
高度情報技術の発達により，時空間スケールが詳細で高精度な空間情報が活用できるようになった．都市計画，環境科学やエリアマーケティング分野では，これらのデータを活用し，空間現象のモデル化と現象解明を行うことにより，個別主体へのきめ細かい計画立案・実施が要請されている．特に近年では，地球統計学や空間計量経済学と呼ばれる新しい学問分野が形成されつつあり，その環境科学や人文・社会科学への適用に関心が払われている．
本科目では，講義・演習を通じて，より高度な空間モデリング技法を習得してもらう．履修者は，各自の関心に応じて，社会経済データ（人口，地価など）または環境関連データ（大気汚染観測値など）を選んで演習を行う予定である．
配列解析は、ゲノム（DNA）やタンパク質（アミノ酸）などを表す様々なテキスト配列を分析する幅広い分野である。生物配列解析には、ゲノム構造の決定、タンパク質コード領域（遺伝子）の同定、遺伝子機能の予測、系統関係の推定、祖先配列の再構築などが含まれる (Coghlan, 2011; Hall, 2017)。最近の研究は、ゲノム解析と系統解析により新型コロナウイルスの拡散と進化を追跡できる可能性を示した ([https://nextstrain.org/])。配列解析の手法は、生物学の分野のみにとどまらず、写本の系譜（Barbrook et al, 1998）や音楽の類似性評価 (Savage et al., 2018) などにも使用されてきた。このように、配列データ解析に必要なテキスト処理スキルは、他の分野のデータ解析にも適用できる。
この科目では、配列データの解析に使用される主要なツールとデータベースを紹介し、それらを組み合わせて生物学的な問いに取り組む方法を説明する。解析の例として、公共データベースからのタンパク質やDNA配列の取得、DNA配列の統計解析（長さ、GC含量、連続塩基組成、塩基組成の局所変動）、ペアワイズ配列アラインメント（ドット・プロット、グローバル配列アラインメント、ローカル配列アラインメント）、多重配列アライメント、系統推定などが含まれる。
あらゆる分野の学生が、配列解析手法を応用して、独自の分野（生物学、言語、写本、音楽など）の問題解決に取り組む。
国際社会のデータサイエンスでは、応用ミクロ計量経済学の基礎知識を学び、社会問題を分析する実証的な研究を行うための基礎的な知識を習得することを目的とします。
現代では、身の回りの多くの問題が数学的に抽象化され、コンピュータを用いて数学の理論に基づく計算を行うことで解決されています。現実の問題解決に数学がどのように使われているか、また使われるようになった歴史的経緯を知ることによって、高校数学、線形代数、解析学の基礎的な内容の理解を深めます。
本コースは、データを理解し評価した上で、データに基づいた合理的な意思決定行うための導入となるように設計されています。 今年度は、多変量解析技術を中心に扱います。学習する内容は、定量的および定性的データの表現と要約統計量、相関と主成分、因子分析、および、共分散構造解析です。
細かな計算技術ではなく、概念の習得と、データおよび統計解析結果の解釈に焦点を置きます。
This course will examine quantitative research methods and statistical analysis of data with a particular focus on analyzing, understanding, and interpreting statistical results in research. The course will utilize the basic foundations of quantitative methods (e.g., correlation, regression, means comparisons, and factor analysis) and examine how these are used in designing and reporting research.
This course is for people who have some prior experience with statistics, but you do not need a high level of ability (or confidence) in math to succeed in this course. We will look at what is required to analyze a variety of statistical tests, and while this means that students will need to run sample data and report results, the focus will be on what the results mean rather than the specific calculations that lead us to those results. To that end, this course looks at the concepts, interpretations, and applications of statistics rather than the math itself. This course will be discussion-based and NOT lecture based, so students should also come prepared and ready to participate each class.
近年，バイオ統計や空間統計などの自然科学分野のみならず，マーケティングや政策分析，計量経済学などの社会科学分野でもベイズ・アプローチが着目されている． この授業では，古典統計学の基礎的な知識を前提に，ベイズ統計学の基礎と応用について扱う．R言語などによる演習も行う予定である．マルコフ連鎖モンテカルロ法，経験ベイズと階層ベイズ，回帰と相関に関するベイズ推測，ベイズ計量経済学などを扱いたいと考えている
本講義では最適化問題に関する講義を行います。最適化問題はある制約下で目的関数を最小（あるいは最大）にする解を求めます。これはアルバイトのシフト設定から研修医割り当てまで、幅広い状況で現れます。本講義では線形計画問題、非線形計画問題、そして整数計画問題を扱います。