シラバス

1. データサイエンスとは
2. 講義内容
3. 受講上の注意
4. 評価方法
5. 受講者選考方法
6. 受講生へのメッセージ

SlideShareに公開されている講義ノートはDownloadボタンからダウンロードできます．

リソース

• ゼミ掲示板（Moodle）
• テキスト: 『Rによる機械学習』ブレット・ランツ著．（PDF版，Kindle版）
• Lispで始めるプログラミング入門
  過年度の講義資料です．この授業ではLisp言語は使いませんが，第１章にプログラミングとは何か，コンピュータの仕組み，OS，ファイルシステムやパス等，プログラミングに必要な知識の解説が載っているので参考にしてください．
• The R tips ―データ解析環境Rの基本技・グラフィックス活用集―第3版（学内閲覧用）
• プログラミングR —基礎からグラフィックスまで—（学内閲覧用）
• はじめてのRStudio ―エラーメッセージなんかこわくない―（学内閲覧用）
• Rによるやさしい統計学（学内閲覧用）
• データサイエンティストにおいて最も需要のあるスキルとは

タイピング

授業内の限られた時間で円滑なプログラミング作業を行うには，素早いタイピング技術が必須です．春休み中にタッチタイピング（ブラインドタッチ）を習得しておいてください．初回授業でチェックします．

• https://www.typingclub.comのレッスン191（Shift Key）まで終了する．夏休み終了までに全レッスンを習得してもらうので，余裕があればさらに先まで進めておいてください．なお，アカウント作成（無料）してレッスンをしないと進捗が記録されないので注意してください．ページ右上で日本語を選ぶとレッスン動画に日本語の字幕が付きます．
• 以下のページで５分間のテストを行い準２級相当を獲得できれば上のレッスンは免除します．
  https://manabi-gakushu.benesse.ne.jp/gakushu/typing/eigonyuryoku.html

Rの予習（班活動）

• 下に掲載の講義ノートの穴埋めを行い，分からない概念や語句を調べ，特に「チェックリスト」の項目を全て解説できるようにしておく．
• 講義ノート内のプログラムは全て自分で入力・実行しノートの内容を再現する．プログラミングの基本は「写経」です．
• 講義ノート内の練習問題・宿題・実習を解く．解けない場合は模範解答のコードを写経し，一語一句理解することを試みる．班で解決できない時は掲示板で質問する．
• 講義ノート内の「チェックリスト」の項目を分かりやすく説明できるよう準備しておく．第１回目の講義から班で発表してもらいます．発表はプレゼンソフトを使用し，必要であればハンドアウトを用意する．
• R講義ノート
  • 第１回 Rプログラミングを始めよう（解答付き）
  • 第２回 基本演算，データ型の基礎，ベクトルの操作方法（解答付き）
  • 第３回 データフレームの基本操作その１（解答付き）
  • 第４回 データフレームの基本操作その２（解答付き）
  • 第５回 様々なファイル形式の読み込みとデータの書き出し（解答付き）
  週に講義ノート１回分のペースで進めていかないと春休み中に終わらないので注意してください．

講義の発表割り当て

• 第１回講義でタイピングの宿題をチェックします．全員ノートパソコン（貸与PCも可）を持参し，授業開始時にTypingClubにログインし進捗が分かる画面を表示しておいてください．
• R講義ノート「チェックリスト」の解説と「実習」の発表順．
  • 第１回講義ノート: 第４班
  • 第２回講義ノート: 第３班
  • 第３回講義ノート: 第２班
  • 第４回講義ノート: 第１班
  • 第５回講義ノート: 第４班
  講義では進めるだけ進みますので，常に２つ先くらいの班まで発表準備しておいてください．

• 第６回 関数とフロー制御（第３班担当）
• 第７回 大規模データを用いたデータフレーム操作実習（1）（第２，１班担当）
• 第８回 大規模データを用いたデータフレーム操作実習（2）（第４，３班担当）
• 第９回 大規模データを用いたデータフレーム操作実習（3）（第２，１班担当）

k-近傍法

ここでは最近傍法の1つk-近傍法を使ったデータ分類アルゴリズムを学びます．

• 「テキスト第３章 遅延学習---最近傍法を使った分類」講義ノート（スライド）

ナイーブ・ベイズ

スパムフィルタなどで活躍する単純ベイズ法を使った分類アルゴリズムを学びます．講義までに講義ノートの練習問題１と２を解いてきてください．

• 「テキスト第４章確率的学習---単純ベイズを使った分類」講義ノート（スライド）

決定木と分類ルール

決定木と分類ルールと呼ばれる学習アルゴリズムを使った分類アルゴリズムを学びます．

• 「テキスト第５章 分割統治---決定木と分類ルールを使った分類」講義ノート（スライド）

回帰法による数値予測

• 「テキスト第６章 数値データの予測---回帰法」講義ノート

ニューラルネットワークとサポートベクトルマシン

• 「テキスト第７章ブラックボックス的な手法---ニューラルネットワークとサポートベクトルマシン」講義ノート
• Machine Learning Crash Course with TensorFlow API by Google --- 英語ですがTensorFlowの開発元であるGoogleが提供するディープラーニングの動画コース．
• Keras - Python Deep Learning Neural Network API --- Tensorflowの上に構築された深層学習フレームワークKerasをPythonとJavaScriptから使う方法についての動画コース．
• ディープラーニングの限界 by Francois Chollet, @POSTD