春休みの宿題

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
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．

Rによる大規模データ操作

ここでは春休みに学んだRの基礎テクニックを応用して，Excelで扱うには難しい大量のデータを，Rで書いたプログラムから操作・処理する方法を学びます．ただしここでは，ビッグデータと呼ばれるテラバイト級のデータの扱い方は学びません．

今後のプログラミング学習のために

これ以降はいよいよ機械学習を学び始めます．どのような分析をしようとも分析の前には必ずデータの前処理（整形やクリーニング）が必要になります．その際にはプログラミング・スキルが要求されるので事につけRの講義ノートを復習し，更なる習得に努めてください．また，夏休みや冬休みにはプログラミングの書籍を2冊くらい読むように心がけてください．学ぶ言語に関わらずプログラミングのスキルが向上します．

Rの推薦図書

「RStudioではじめるRプログラミング入門」Garrett Grolemund著，オライリージャパン 2015年．統計分析を扱ったRの入門書が多い中，ちょっとしたゲームを作りながらRによるプログラミングを学べる本です．講義ノートの次に読む本として最適です．
「アート・オブ・Rプログラミング」Norman Matloff著，オライリージャパン，2012年．入門書を読破し中級Rプログラマーへ歩を進めるにはこの本が良いでしょう．
「Rプログラミング本格入門: 達人データサイエンティストへの道」Ken Ren著，共立出版，2017年．Rプログラミングの上級の話題だけでなく，講義ノートでは扱わなかった大規模データ用のパッケージも詳しく解説されています．ここまでマスターするとほぼ無敵でしょう．
「R言語徹底解説」Hadley Wickham著，共立出版，2016年．私が全幅の信頼を置いているR言語のバイブル．原著の "Advanced R" は名著で，R言語の深淵を理解するにはこの本がもっとも良い．ここまでマスターするとR Guruを名乗れます．

教師あり学習アルゴリズム

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

データサイエンス入門

シラバス

リソース