2019年度 データサイエンス論Ⅱ (4085)
科目区分 |
専門科目 |
教職科目 |
指定なし |
単位数 |
1 |
選択・必修・自由 |
選択 |
授業形態 |
講義 |
主な使用言語 |
英語 |
開講時期 |
Ⅱ
|
履修登録システム |
使用する |
履修登録期間 |
2019/05/29~2019/06/18 |
履修取消期限 |
2019/07/05 |
教育プログラム別の履修区分
プログラム名 |
IS |
CB |
BS |
BN |
MS |
CP |
DS |
履修区分 |
○ |
○ |
○ |
○ |
○ |
○ |
◎ |
コア科目 |
- |
- |
- |
- |
- |
- |
C |
履修方法 |
・基盤科目及び専門科目から12単位以上履修すること。 ・コア科目の履修方法については、入学年次の教育課程表の(2)履修方法を参照すること。
|
授業科目概要
担当責任教員 |
中村 哲 |
担当教員 |
中村哲、須藤克仁、船津公人、宮尾知幸、小野直亮、武藤愛、国田勝行、畑中美穂 |
教育目的/学修到達目標 |
センシング装置の小型化,高速化,ネットワークの高速化,インターネットの大規模化により,テキストからセンサーデータに至る多様で膨大なデータが出現した.これまでの仮説に基づき実験を行って検証を行うスタイルに対し,今後はデータから人工知能理論を活用し仮説を作り実験を行うデータ駆動型科学が重要となる.本講義では,多様なデータに基づくデータ駆動型サイエンスの理論,最先端の方法,実際の利用について学ぶ. |
授業概要/指導方針 |
本授業では多様な大規模データに基づくデータ駆動型サイエンスに必要な人工知能・機械学習の理論、データサイエンスの理論を学ぶ。さらに、インターネット上のテキストデータマイニング,バイオインフォマティクス、ネットワークバイオロジー、マテリアル・ケモインフォマティックスにおけるデータ駆動型サイエンスについて学ぶ. |
クラス情報
授業計画
[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]
回数 |
日付 [時間] |
担当教員 |
テーマ |
内容 |
1 |
7/5 [1] |
- |
データサイエンス概論および機械学習復習(中村、須藤、小野) |
データサイエンスについて概観し,機械学習の基本的な考え方を簡単に復習する. |
2 |
7/5 [2] |
- |
バイオインフォマティクス:DNA配列およびマルチオミクス解析 (小野) |
ゲノム解析や遺伝子発現解析、代謝解析などの網羅的かつ多元的な生物データを対象としたバイオインフォマティクス分野におけるデータ科学の応用について解説する. |
3 |
7/19 [1] |
- |
バイオインフォマティクス:バイオデータベースの利用とネットワーク解析 (武藤) |
網羅的な生物データを蓄積するバイオデータベースの紹介とそれらを用いたネットワーク解析による知識抽出について学ぶ. |
4 |
7/19 [2] |
- |
細胞生物学におけるシステム制御(国田) |
細胞レベルのバイオデータへの制御理論の応用(システム同定やモデルベースト制御など)を実例を通して学ぶ。 |
5 |
7/26 [1] |
- |
マテリアルにおける記述子(畑中) |
材料の特性を予測するモデルの構築に不可欠な材料の記述法について学ぶ。 |
6 |
7/26 [2] |
- |
PCAとPLS(有機材料の開発)(船津) |
材料の特性に影響する種々のパラメータを俯瞰し、材料とその特性との相関関係をモデル化する手法を実例を通して理解する。 |
7 |
8/2 [1] |
- |
GA(遺伝的アルゴリズム)とパレート最適解(触媒設計)(宮尾) |
材料特性を説明するためのパラメータを合理的に選択するGA、および材料物性間のトレードオフを対象としたパレート最適解探索を触媒探索を通して理解する。 |
8 |
8/2 [2] |
- |
試験 |
講義資料持ち込み可能。PC持ち込み不可。 |
授業日程
[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]
回数 |
日付 |
時間 |
講義室 |
備考 |
1 |
7/5 |
1 |
L2(IS) |
|
2 |
7/5 |
2 |
L2(IS) |
|
3 |
7/19 |
1 |
L2(IS) |
|
4 |
7/19 |
2 |
L2(IS) |
|
5 |
7/26 |
1 |
L2(IS) |
|
6 |
7/26 |
2 |
L2(IS) |
|
7 |
8/2 |
1 |
L2(IS) |
|
8 |
8/2 |
2 |
L2(IS) |
|
テキスト・参考書
その他
履修条件 |
上記履修方法参照 |
オフィスアワー |
Eメールで連絡の上、日時を決める |
成績評価の方法と基準 |
各回の課題(50%)と最終試験(50%)の合計を基本として評価 |
関連科目 |
機械学習概論,データ工学基礎,パターン認識, 系列データモデリング |
関連学位 |
工学 |
注意事項 |
特になし |
授業関連URL
配布資料