Language:

2022年度 データサイエンス論 (4105)

授業科目基本情報PDFダウンロード

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 履修登録システム 使用する
履修登録期間 2022/04/12~2022/05/13 履修取消期限 2022/06/17

教育プログラム別の履修区分

プログラム名 IS BS MS DS DGI
履修区分
コア科目
履修方法 ・修士論文研究又は特別課題研究を履修する場合は、序論科目、基盤科目及び専門科目から14単位以上履修すること。
・課題研究を履修する場合は、序論科目、基盤科目及び専門科目から16単位以上履修すること。

授業科目概要

担当責任教員 作村 諭一
担当教員 中村哲、船津公人、作村諭一、宮尾知幸、小野直亮、田中宏季、小鍛冶俊也、進藤裕之、品川政太朗
教育目的/学修到達目標 【教育目的】
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.

【学修到達目標】
1) データサイエンスに関する基本概念について説明、記述できる。
2) データサイエンスの基本要素技術について整理、議論ができる。
3) データサイエンスの関連要素技術を俯瞰できる。
4) データサイエンスの基本要素技術を自らの研究に適用できる。
授業概要/指導方針 【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.

◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆
本授業は原則対面です。オンラインを希望する人は saku@bs.naist.jp まで連絡ください。
◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆◆

【授業時間外学修(予習・復習等)の目安】
各回毎に授業内で与えられたAssignmentの予習2時間
各回毎に復習2時間程度

クラス情報



表示可能なデータがありません。

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 6/3 [5] 宮尾 知幸、品川 政太朗 統計と機械学習入門 基礎統計、検定,分類、回帰、クラスタリング、主成分分析等、統計学や機械学習の基本的な用語・概念を学習する。
2 6/17 [5] 小野 直亮 (情報科学1)ビッグデータ ゲノム解析や系統解析、遺伝子診断、代謝解析やその他のマルチオーミクス解析など網羅的かつ大規模、多元的な生物データに基づく解析と、それらを支えるバイオデータベースについて紹介する。
3 6/24 [5] 進藤 裕之 (情報科学2)自然言語処理,論文解析 テキストを計算機で処理するための自然言語処理技術について紹介する。応用事例として、論文を解析により構造化情報を抽出する方法について学ぶ。
4 7/15 [5] 小鍛治 俊也 (バイオサイエンス1)生物の数理モデル 細胞は遺伝子に基づいて生成した多種多様のタンパク質が生化学反応を繰り返すことで様々な機能を発揮する。本講義では、生化学反応式の数理モデルの構築方法について紹介する。
5 7/22 [5] 作村 諭一 (バイオサイエンス2)生物モデルの比較と選択 実験観測の制約によりデータ数が少ない場合に、ベイズ統計を用いた細胞内分子システムのモデル選択について学ぶ。
6 7/29 [5] 宮尾 知幸 (物質科学1)マテリアル・分子設計における記述子 材料設計、分子設計において、データ科学手法を適用するために必要な記述子(分子構造の数値化)について、分子構造のコンピュータ上での表現を含め、事例を通して学ぶ。
7 8/5 [5] 船津 公人 (物質科学2)有機材料開発、触媒設計 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。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 8/19 [5] 試験 最終試験を実施します。詳細は本ページ中の下記の項目を見てください。
■その他
成績評価の方法と基準
◆最終試験について:

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 6/3 5 エーアイ大講義室[L1](IS)
2 6/17 5 エーアイ大講義室[L1](IS)
3 6/24 5 エーアイ大講義室[L1](IS)
4 7/15 5 エーアイ大講義室[L1](IS)
5 7/22 5 エーアイ大講義室[L1](IS)
6 7/29 5 エーアイ大講義室[L1](IS)
7 8/5 5 エーアイ大講義室[L1](IS)
8 8/19 5 エーアイ大講義室[L1](IS)

テキスト・参考書

テキスト 特になし
参考書 特になし

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

◆各回の課題について

・提出先:
 NAISTレポート提出システム(https://nrss.naist.jp)
 "データサイエンス論 / Data Science [ID:4105] #*
  (*は授業の回数)と名前のついたデータボックスに それぞれの授業のレポートを提出して下さい。
・課題レポート用テンプレート:
 http://www-dsc-vm.naist.jp/dsc_jp/wp-content/uploads/2022/06/2XXXXXX_your_name.docx
・ファイル名: 
 「student ID_first name_last name」で統一 (例):123456_taro_naist
・レポート形式: 
 WordからPDFに変換して提出
・レポート提出に関する問い合わせ先: 
 ds1-ds2-ta@is.naist.jp (TA学生)
(授業内容に関する質問がある場合は、授業担当教員にメールで質問をしてください。)

◆最終試験について:
最終試験を8月19日の講義時間にL1講義室で実施します。講義全体の内容から出題されます。前半については理論の実際の計算の理解、後半はそれぞれの分野のデータサイエンス手法の理解に関する問題を出題します。講義資料、ノート類は持ち込み可で、PCなどモバイルデバイスの試験中の利用を不可とします。留学生で日本に帰国できないなど、大学で実際の試験を受験できない方はレポートなど配慮しますので、直接、担当教員( ds1-ds2-faculty@is.naist.jp )まで、8月19日までに連絡ください。

関連科目 データサイエンス基礎,データサイエンスによる生物学,マテリアルインフォマティクス特論,系列データモデリング,視覚メディア処理I, データマイニング,多次元信号処理,自然言語処理,数理生命科学,バイオサイエンスのセンタ技法,バイオサイエンスにおける統計と数理,光・情報素子工学特論
関連学位 工学,理学,バイオサイエンス
注意事項

授業関連URL



表示可能なデータがありません。

配布資料

  資料名 備考 公開期限
DS論第2回講義資料スライド レポート締切: 07/01 23:59 JST 2023/03/31 学内専用
DS論第5回講義資料スライド 2022/10/20 学内専用
DS論第4回講義資料スライド(0725追記) レポート締切: 08/02 23:59 JST 2022/10/23 学内専用
DS論第6回講義資料スライド 2022/10/25 学内専用
DS論第7回講義資料スライド 2022/11/03 学内専用