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がユーザ登録が必要です（無料）．

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）
• サブテキスト: 『Python，Rで学ぶデータサイエンス』Chantal D. Larose & Daniel T. Larose著
• Rの推薦図書
  各自でこのリストに示す1冊目は必ず読んだ方が良いでしょう．
• 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．
• 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ハンドアウトを用意する（詳細は「発表準備について」を参照）．
• 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）
    • 練習用GDPデータ（2018(H30)年度 国民経済計算年次推計2008SNA）
  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

前半講義ではR講義ノートを担当班が解説する形で進みます．担当箇所は下記発表順を参照してください．発表班は少なくとも「チェックリスト」に記載の内容と，練習問題，実習，宿題は全て解説してください．もちろん，講義ノートに記載されていること以上に調べて解説してもらって結構です．講義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の学習を終えたら機械学習の学習に入ります．機械学習は私が講義し，各単元の終わりに班毎にデータ分析の結果を報告してもらいます．

• 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講義ノート輪読の発表順．
  • 第１回講義ノート: 第１，２班
  • 第２回講義ノート: 第３，４班
  • 第３回講義ノート: 第５，１班
  • 第４回講義ノート: 第２，３班
  • 第５回講義ノート: 第４，５班
• 参加者は全員 R がインストール済みのパソコンを持参してください（貸与PCも可）．授業中に R を適宜使います．

• 第６回 関数とフロー制御（第4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3，2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1，5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4，3班担当）

Rの推薦図書

1. 「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．
2. 「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．
3. 「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．
4. 「R for Data Science」Hadley Wickham & Garrett Grolemund．オライリーから出版されている書籍の最新更新版．オンラインで無料で読めます．この本も大規模データ用のパッケージの解説があり，さらに上級のデータ分析を行うには一度は読んでおいた方が良い本です．日本語版書籍（2017年）もあります．
5. 「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．

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．

• 予習課題: テキスト第１章と第３章を読み，第３章のコード例を写経してきてください．
• 「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）
• 参考文献
  • C4.5 Programs for Machine Learning by Ross Quinlan, 1993.
  • Incremental Reduced Error Pruning by Johannes Fürnkranz and Gerhard, Machine Learning Proceedings 1994, pp.70-77.
  • Fast Effective Rule Induction by William Cohen, Machine Learning Proceedings 1995, pp.115-123.
  • Pruning Algorithms for Rule Learning by Johannes Fürnkranz, Machine Learning 27, pp.139-172 (1997)

回帰法による数値予測

• 以下は計量経済学で学ぶ回帰分析の講義ノートです．計量経済学ではデータが従うモデルもしくは母集団の統計的モデルを構築することを重視します．一方，機械学習では，より正確に予測する統計的モデルを重視します．計量経済学では因果推論を大切にするため，統計的検定を駆使し仮説を検証します．そのために，推定量の統計的性質を知っていないと分析ができません．機械学習ではそこまでの回帰分析技術は要求されませんが，回帰法の常識として以下の基礎事項は経済学部生として習得しておいてください．
  • 「統計的推定の基礎 1 --- 期待値の推定」
  • 「統計的推定の基礎 2 --- 分散の推定」
• 「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

• 予習用課題: 「第1.2節 深層学習とは」を読んでくる（学内 or VPNで閲覧可能）
• 「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
• 参考資料
  • ニューラルネットワークと深層学習 by Michael Nielsen --- ニューラルネットワークの学習器を１から構築しながら理論と実装を学ぶことができる．使用言語はPython．
  • 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．
  • TensorFlow.js --- JavaScript用のTensorFlowライブラリ
  • 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

相関ルールによるパターン検出

• 「テキスト第８章 パターンの検出---相関ルールを使った買い物かご分析」講義ノート

k平均によるクラスタリング

• 「テキスト第９章 データのグループの検出---k平均によるクラスタ リング」講義ノート