No. | 内容 |
第1回 |
【現代社会におけるデータサイエンス】 ・ICT(情報通信技術)の進展、ビッグデータ ・データ駆動型社会 ・統計学の歴史
|
第2回 |
【データ観察と可視化】 ・母集団と標本、データの特性と尺度 ・系統誤差と偶然誤差 ・データの要約と図示、代表値と散布度
|
第3回 |
【代表的なデータ分析手法(1)】 ・相関 ・回帰分析、統計モデル
|
第4回 |
【代表的なデータ分析手法(2)】 ・仮説検証 ・点推定、区間推定 ・検定
|
第5回 |
【データの分析設計】 ・データ分析研究のデザイン(観察研究、介入研究) ・ランダム化 ・サンプルサイズ計算
|
第6回 |
【データ分析演習】 ・データ構造 ・データの分布・要約統計量 ・期待値とカイ2乗値
|
第7回 |
【データ表現とデータの暗号化・復号】 ・コンピュータで扱うデータ(数値、文章、画像、音声、動画など) ・情報量の単位(ビット、バイト)、⼆進数、⽂字コード ・データの暗号化・復号
|
第8回 |
【データサイエンスに必要なアルゴリズム(1)】 ・アルゴリズムの表現(フローチャート) ・配列(リスト)の扱い方
|
第9回 |
【プログラミング基礎(1)】 ・文字型、整数型、浮動小数点型 ・変数、代入、四則演算、論理演算
|
第10回 |
【データサイエンスに必要なアルゴリズム(2)】 ・並び替え(ソート)、探索(サーチ) ・マージ
|
第11回 |
【プログラミング基礎(2)】 ・計算量 ・対数関数、指数関数
|
第12回 |
【データの前処理・加工処理】 ・結合、抽出、正規化
|
第13回 |
【機械学習】 ・機械学習、教師あり学習、教師なし学習、強化学習 ・学習データと検証データ ・ホールドアウト法、交差検証法
|
第14回 |
【AI・深層学習の基礎】 ・AIの歴史、推論、探索 ・ニューラルネットワークの原理 ・ディープニューラルネットワーク(DNN)
|
第15回 |
【AI・深層学習の実装】 ・AIの学習と推論、評価、再学習 ・AIの開発環境と実⾏環境
|