2774件見つかりました。
This class is an introduction to calculus. Differential and integral calculus is a theory for analyzing changes and accumulations of targets, respectively, and has many applications in data science, economics, science and engineering, etc. In fact, calculus and linear algebra are considered as the most important mathematics at universities. In this class, we will learn not only calculus of one variable functions but also polynomial approximation of one variable functions and calculus of multivariate functions.
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．
We study matrices and vectors, in particular, how to solve the simultaneous equation, how to calculate the determinant and the inverse matrices. Moreover,
by abstracting these concepts, we study linear spaces and linear mapping.
Then a matrix can be regarded as a linear mapping. Especially, eigenvalues and eigenvectors of the matrix, and the matrix diagonalization characterize the mapping. We often encounter these concepts in other mathematical fields including statistics.
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.
データマイニングは、ビジネスのためのデータサイエンスの中核をなす技術であり、さまさまな分野における実務家の関心を集めています。今日、ほぼすべての組織がデータを収集し、意思決定や政策策定に役立てていると言っても過言ではありません。インターネット、電子商取引、販売時点機器の副産物として得られることから、電子的なデータ収集は、コストがかからず広く普及しています。データマイニングは、そうしたデータを生かすビジネス・インテリジェンスのための技術として急速に発展しています。主として、統計学と人工知能の分野から生まれたものです。本コースでは、データマイニングの技術を検討するとともに、R言語を用いた演習を行うことによって、実践的な分析力を身につけることを目的としています。
The aim of this course is to introduce the basics of medical and health data science, data collection, data management, data analysis and biostatistics to better comprehend medical literature and publications. By the end of the course, skills and methodology for basic statistical analysis needed for medical publication will be acquired.
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。
Sequence analysis is a broad field, covering any kinds of analyses of textual sequences; e.g. those representing genomes (DNA) and proteins (amino acids). The biological sequence analyses include determining genome structures, identifying protein-coding regions (genes), predicting gene function, inferring phylogenetic relationships, and ancestral reconstruction (Coghlan, 2011; Hall, 2017). Recent studies showed that genomics and phylogenetics can track spread and evolution of novel coronavirus ([https://nextstrain.org/]). The sequence analysis methods have been used not only in the field of biology, but also in genealogy of manuscripts (Barbrook et al., 1998) and quantitative evaluation of melodic similarity (Savage et al., 2018). Thus, text-processing skills necessary to analyze sequence data can be applied to the analysis of data in other fields.
This course will provide the introduction to the main tools and databases used in the analysis of sequence data and explains how these can be used together to answer biological questions. Examples of analysis include retrieving DNA and protein sequences from public databases, DNA sequence statistics (length, GC content, DNA words, and local variation in base composition), pairwise sequence alignment (dotplot, global sequence alignment, and local sequence alignment), multiple sequence alignment, and phylogenetic inference, etc.
Students from all disciplines will use the sequence analysis methods to tackle problems in their fields (biology, language, manuscript, music, etc.).
近年、多くのテクノロジーがスポーツで活用され、取得されたデータを目的に応じて分析・活用するスポーツアナリティクスが注目を集めている。2018サッカーW杯ロシア大会でもリアルタイムでのデータ活用が解禁されたことから、スポーツアナリティクスがますます注目を集めている。また、MLB(野球)では、フィールド上のあらゆるデータがオープンにシェアされることで、直接的なパフォーマンスだけではなく、データを使った多様な議論が活発に行われている。野球・サッカー・ラグビー・アメフトなどのメジャースポーツだけでなく、個人競技やマイナー競技、アマチュアスポーツなど、スポーツの様々な場面でデータ分析とその可視化が行われており、持続可能なビジネスモデルにも期待が集まっている。この授業では、スポーツをする・みる・支える・伝えるという観点から、スポーツアナリティクスを体系的に学ぶ。
数理科学がいかに現実の問題の解決に役立つかを学びます。大切なのは公式や結果を覚えるのではなく、現実の問題を数学の問題に置き換える過程を理解することです。この科目設置の趣旨は、DS1,2の履修で苦しんでいる人を対象としています。例えば、DSの科目を落としている、今期、DS科目を取らないと、卒業や進級に支障が生じることが確定している、すでに原級者している、などです。
この授業では「統計基礎」の内容を踏まえ、データサイエンスの理論と実践の定着と応用的理解を目的とする。現状について問題を発見し、その解決のために収集したデータを元に仮説やモデルを構築し、それに対する検証を行って問題を解決する能力を養う。
具体的には、線型モデルの応用的な話題（変数選択、ロジスティック回帰、一般化線形モデルなど）、様々な多変量解析の手法（主成分分析、判別分析、分散分析、因子分析、クラスター分析、樹形モデルなど）を扱う。
この授業では、統計モデリングの基礎と応用を扱う。具体的には、線形回帰モデル、一般化線形回帰モデル、一般化線形混合モデルなどについての理解を深めることを目的とする。
統計モデリングを本格的に習得し、データサイエンティストとして活躍するために必要なスキルを習得する。演習では、フリーソフトのRを主に用いる。
近年では経済学、ファイナンス、医学、心理学、マーケティングなど様々な分野でベイズ統計学が着目されている。
この講義では古典統計学の基本から始め、ベイズ統計学の基礎であるベイズの定理、ベイズ推論、数値解析法であるマルコフ連鎖モンテカルロ法、ベイズ統計学におけるモデル選択，ベイズ推定の正規分布モデルや回帰分析モデルへの応用、個体差を扱う階層ベイズモデルについて説明する。
講義中ではPythonを用いた演習を取り入れる予定である。
This class discusses how several phenomena could be formulated in mathematical modeling. Each lecture introduces one phenomenon and a mathematical model that describes the phenomenon. This series of lectures firstly addresses modeling with differential equations, and in the later part, mathematical analysis of perceptual phenomena in human psychology are also discussed.
シャノンの情報理論と関連する話題について講義する. 具体的には「情報の量」,「情報の符号化」などに関して数学モデルを考え, その基礎理論を解説する. 伝送や記録においては, データ量をできるだけ減らしたい. 一方で, 通信においては, 伝送エラーの可能性があり, 伝送誤りをできるだけ小さくするための符号化が必要となる. これらの課題に対する基本的な考え方と方法を考察する.
情報理論は情報の表現と伝達に関する基礎理論である. 代表的な応用例としては, データ圧縮, ビット誤り検出・訂正, 暗号などがある. また機械学習アルゴリズムなどにおいても, 情報理論は重要な役割を果たす.
計算機には「ハード」と「ソフト」の側面があるが, この講義ではその前提となる「理論」を扱う. つまり実装上の制約を考慮せず, 理論上の最適化問題を考察する.
普段何気なく使っている「情報」の定量的な扱いを学び, 情報理論を基盤とする技術の理解を深めることも講義の目標である.
生命科学の研究に必要となる実験の基礎を習得する。具体的には、微生物（大腸菌）の培養、DNAの抽出と定量、タンパク質の電気泳動と定量を実習し、遺伝子工学とタンパク質実験においてコアとなる基礎技術を習得する。
この授業では、複雑で大規模なデータセットから情報を探索・抽出するためにバイオインフォマティクス研究者が使用するスキルに焦点を当てる。こうしたデータスキルを学ぶことで、どんなバイオインフォマティクス・データでも（どんなフォーマットの、どんなサイズのファイルでも）扱うことができるようになり、生物学的意味を引き出すためにデータの探究を始めることができる。
授業全体を通して、ロバストで再現性のある手法で研究することの重要性を強調する。再現性とは、自分の研究が他の研究者によって追試されて同じ結果が得られることを意味する。そのためには、作業手順を十分に文書化し、コードとデータを全て公開しなければならない。解析ワークフローを別のマシンで実行して異なる結果が得られた場合、それはロバストでも再現可能でもない。このテーマは、講義の中で繰り返し出てくる。
この授業では、表形式のプレーンテキストデータ形式を主に扱う。表（テーブル）データは、データスキルを磨くのに最適である。将来、他のデータを解析することが目標であっても、表形式のデータは学習に役立つ優れたサンプルデータとなる。表形式データを扱うために必要なテキスト処理のスキルを身につけることは、他のデータ型を扱う際にも応用できる。このように、多様な分野の研究に役立つ計算ツールとデータスキルを学ぶことができる。
あらゆる分野の研究者が、バイオインフォマティクス・データスキルを応用して、独自の分野（生物学、言語、音楽、新型コロナウイルス感染症のパンデミックに寄与した社会的経済的要因など）の問題解決に取り組む。
本講義ではコンピュータサイエンスやデータサイエンスの根幹をなすアルゴリ ズムについて、様々な側面からご紹介をします。プログラミングは行いません。
日本に古くから伝わる「折紙」は、紙を折って形を作る遊戯の1つであるが、薄い素材を折ることで形を作る技術、またはものを小さく折りたたむ技術として、工学、医療、数学、アート、教育などの幅広い分野で研究対象とされている。現在、世界的に origami という日本語由来の表現が広く用いられ、国際的にも活発な議論がされている。本講義では、折り鶴などに代表される伝承的な折紙だけではなく、これらの科学的な諸分野における折紙の姿について、その幾何学的な性質から工学的な応用、数学分野の諸問題との関係など、幅広い領域における係わりを学ぶ。また、近年の国際会議などで発表される研究内容など、最先端の技術についても解説することで、今後の折紙技術の展望についても学ぶ。
さらに、講義全体を通して、さまざまな「折り」の体験を通して、自ら新しい折り方を見出す力を涵養する。
地球惑星科学における諸現象を題材として、それに必要な数学を演習形式で講義する。地球惑星科学は宇宙惑星、大気海洋、地震火山、岩石鉱物、地質地球史の大きく５分野から構成されている。どの分野も地球に暮らす我々に身近な学問であり、その内容は初等・中等教育でも扱われている。これらの内容の多くは物理や化学で定式化された方程式に従っているため、この方程式を解くための数学を修得すれば、より深く内容を理解することができる。そこで、本講義では下記に計画する題材を基に、地球惑星科学の具体例に提示とその具体例に必要な数学演習をセットとした構成とした。
この授業では、受講者は具体的な研究事例を通して数学の概念とその応用を学ぶ。本講義では、確率・統計の概念を1セメスターで集中的に学ぶことで、データサイエンスを使えるスキルとして身につけることを目標とする。本講義では、ゼミ形式での数学授業を展開する。授業の前半で数学概念を説明し、後半は演習を行う。
英語略称のDADとは、Data&AI, Art, and Designの単語を組み合わせた造語である。本授業では、この４要素[Data, AI, Art, Design]を別々にではなく、有機的に接続して理解する手法を、具体事例を通して知識として知り、手を動かして知識を実体化し、数学を実践に活かすための素地を身につける契機を提供する。
人工知能は、これからの社会に大きな影響を与えると考えられます。人工知能の能力や限界を理解するためには、まずその基盤となるコンピュータについて理解することが必要です。
この科目の前半では、SFCの中でコンピュータとネットワークを活用していくための基礎知識を学びます。後半では、コンピュータを使いこなすために必要となるプログラミングの技術を学びます。
なお、「情報基礎２」では、この科目の内容を基礎として、さらに進んだプログラミング技術を学びます。
人工知能は、これからの社会に大きな影響を与えると考えられます。人工知能の能力や限界を理解するためには、まずその基盤となるコンピュータについて理解することが必要です。
この科目の前半では、SFCの中でコンピュータとネットワークを活用していくための基礎知識を学びます。後半では、コンピュータを使いこなすために必要となるプログラミングの技術を学びます。
なお、「情報基礎２」では、この科目の内容を基礎として、さらに進んだプログラミング技術を学びます。
人工知能は、これからの社会に大きな影響を与えると考えられます。人工知能の能力や限界を理解するためには、まずその基盤となるコンピュータについて理解することが必要です。
この科目の前半では、SFCの中でコンピュータとネットワークを活用していくための基礎知識を学びます。後半では、コンピュータを使いこなすために必要となるプログラミングの技術を学びます。
なお、「情報基礎２」では、この科目の内容を基礎として、さらに進んだプログラミング技術を学びます。
人工知能は、これからの社会に大きな影響を与えると考えられます。人工知能の能力や限界を理解するためには、まずその基盤となるコンピュータについて理解することが必要です。
この科目の前半では、SFCの中でコンピュータとネットワークを活用していくための基礎知識を学びます。後半では、コンピュータを使いこなすために必要となるプログラミングの技術を学びます。
なお、「情報基礎２」では、この科目の内容を基礎として、さらに進んだプログラミング技術を学びます。
情報基礎２では、情報基礎１で学んだことをさらに進めて、自分である程度の大きさのプログラムを作ることを目標とします。
プログラムを作る時は、全く何もないところからすべて自分で作っていくということはほとんど無く、普通はライブラリという既製の部品を利用して作っていきます。ライブラリは作りたいものに合わせてたくさんの種類がありますが、今回はPyxelというレトロ2Dゲームを作るためのライブラリを利用します。
最初は、Pyxelを使って、情報基礎１の復習と情報基礎１では扱わなかったPythonの機能の勉強をします。その後、自分でオリジナルのゲームを作っていきます。