タイトル「2021年度 教育学部シラバス」、フォルダ「2021年度 教育学部シラバス-情報教育(E類)
シラバスの詳細は以下となります。
ナンバリングは科目コードとは異なります。ご注意ください。
ナンバリングとは
科目コード   60773100 
科目名   知識処理  
担当教員   皆川 忠相  
対象学年   3年   クラス   51  
講義室   遠隔   開講学期   春学期  
曜日・時限   水2   単位区分   選択  
授業形態   講義・演習   単位数  
受講対象  教育支援課程 教育支援専攻情報教育コース選択科目A 
備考   
ナンバリング   133E54 
ねらいと目標 情報化社会においてデータに基づくコミュニケーションは,その客観性の保証の観点から重要である.データに基づくコミュニケーションにおいては,(1)対象のモデル化、(2)データの収集、(3)データの分析、(4)データの加工と発信、(5)データの管理と蓄積、(1)~(5)流れに沿って情報が処理される.つまり,データ処理の上流から下流への流れが存在し,その中で必要なデータ処理を実行する.データサイエンスとはこの流れの各過程において科学的な考え方や方法論を与えようとするものである.本講義では,データの全体的な流れを理解し,特に,中流過程,つまりデータの分析,加工,発信を中心に具体的な方法論の基本的事項を理論と実践の両側面から講義する. 
内容 データ処理の中流過程を中心に具体的な方法論の基本的事項を扱う.具体的には,以下の「授業スケジュール」に従って,統計的手法と機械学習の手法を中心に,データによる現象の記述と予測の方法論について学ぶ.  
テキスト 特に指定しません.
必要な場合、資料を配布します. 
参考文献  
成績評価方法 講義中の提出物と最終レポートで総合的に評価を行う. 
授業スケジュール(展開計画) 講義内容は、理解度により進行度合いを変更します.
内容
1データサイエンスの考え方
2データの水準、客観データと主観データ
3データの浄化と組織化
4データの観察と可視化
5データの管理と蓄積
6記述統計学のまとめ(基本統計量と相関)
7推測統計学のまとめ(推定・検定)
8単回帰分析
9重回帰分析
10分散分析
11主成分分析と因子分析
12データモデリングと予測(統計的手法)
13データモデリングと予測(ニューラルネットワーク)
14パターン抽出・ルール抽出(決定木学習)
15シミュレーション
授業時間外における学習方法  
授業のキーワード データの収集・分析・加工,データの可視化,予測,統計的手法,推定.検定,回帰分析,分散分析,主成分分析,因子分析,機械学習,シミュレーション  
受講補足(履修制限等)  
学生へのメッセージ  
実務経験のある教員による科目  
授業実施方法(対面形式/遠隔形式) 遠隔形式 
その他  
Copyright(C) 2013 NTT DATA KYUSHU Co.,Ltd All rights reserved.