科目名 Course Title	文理融合データサイエンス�U［20A0178］ Interdisciplinary program on data science �U
授業言語 Language	Japanese
科目区分・科目種	情報	クラス	全学科
コンピテンシー		ｶﾗｰｺｰﾄﾞ
単位数	2.0単位	履修年次	1〜2年

担当教員
学期	前期
曜日・時限・教室	月曜 1 〜 2 限 理学部3号館601室【ITﾙｰﾑ1】

授業の形態
講義，演習

教科書・参考文献
教科書は講義中に指定します。 必ずしも購入する必要はありませんが、参考書としては下記の書籍を推奨します。 書名：データサイエンスのための統計学入門 : 予測、分類、統計モデリング、統計的機械学習とRプログラミング 著者：Peter Bruce, Andrew Bruce 訳者：黒川利明 出版社：オライリージャパン 出版年：2018

評価方法・評価割合
小論文（レポート）= 70%（中間レポート：20％，期末レポート：50%），授業への参加態度= 30%（毎回出席確認時に質問やコメントを記入してもらいます）

主題と目標
本授業の主題は文理融合データサイエンス�Tにおいて学んだ基礎的な多変量解析の手法を復習し、新たに機械学習の手法を学ぶことです。また、文化現象を対象とするデータサイエンスの手法を用いた研究事例を概観することで、文理融合型の研究におけるデータサイエンスの有効性と重要性を理解することが目標となります。

授業計画
第1回	ガイダンス・多変量解析の復習 　回帰分析・判別分析・主成分分析・クラスター分析
第2回	ランダムフォレスト�@ 　決定木および回帰木 　CART法
第3回	ランダムフォレスト�A 　ブートストラップ 　分類問題と回帰問題 　変数重要度
第4回	ランダムフォレストの演習
第5回	ネットワーク分析 　有向グラフと無向グラフ 　隣接行列 　中心性
第6回	ネットワーク分析の演習
第7回	これまでの復習および中間レポートの説明
第8回	ニューラルネットワーク 　ニューラルネットワークの構成要素
第9回	ニューラルネットワークの演習
第10回	SVM 　ソフトマージンとハードマージン 　カーネル法
第11回	SVMの演習
第12回	相関ルール 　トランザクションデータ 　アプリオリアルゴリズム
第13回	相関ルールの演習
第14回	ディープラーニング（深層学習）の紹介
第15回	これまでの総復習および期末レポートの説明

時間外学習
時間外には復習として教科書の授業で採り上げた内容が記載されている箇所を読み返すことを推奨する。これに加えて、各自が授業において解説した分析手法をRを用いて実際に分析できように演習する。 また、本授業ではおおよそ毎回、文理融合データサイエンスに関連する書籍を紹介する。余裕がある受講生にはそれらの書籍を読むことを薦める。

学生へのメッセージ
各自のコンピュータにRをインストールし、積極的にデータ分析を体験してもらいたい。データサイエンスには体験することで理解が深まることがたくさんあります。また、本授業では予習よりも復習を重視することを薦めます。授業で採り上げた内容に不明なことがあれば積極的に質問してください。時間が許す限り対応します。

学生の問い合わせ先
tsuchiyama.gen@ocha.ac.jp