UNIVERSITY OF TOYAMA SYLLABUS 富山大学
2021年度 授業案内
戻る シラバストップへ戻る
>> 経済学研究科(修士課程)地域・経済政策専攻
  授業科目名
特別研究「データサイエンス特論」 マイシラバス
  (英文名)

  担当教員(所属)
唐渡 広志(経済学部), モヴシュク・オレクサンダー(経済学部)
  授業科目区分
専門教育科目 地域専攻科目
  授業種別
講義科目
  COC+科目
-
  開講学期
前期・水曜3限
  対象所属
地域・経済政策専攻、企業経営専攻
  対象学年
1、2年
  時間割コード
231305
  単位数
2単位
  ナンバリングコード
 
  最終更新日時
21/10/26

  オフィスアワー(自由質問時間)
モヴシュク・オレクサンダー(月曜日・12?13時の間)

  リアルタイム・アドバイス:更新日  21/06/01
・6/2 より経済4階端末室での授業になります。
・第2〜6回までの課題締切は 6月9日 0:00 です。

・授業では R を利用しますので自分のPCにインストールしておいてください。
・第2回目 4/21 はオンライン (zoom) になりましたので,メールの招待状を確認してください。

・開講場所:経済学部講義棟4階 端末室
・4月14日(水)3限の第1回目の授業では,はじめに本科目の授業概要を説明します。
・その後,「データサイエンス特別実践演習 I」の課題(1件あたり10分×4件)を紹介し,最後にどの課題を選ぶのかを受講者が決定します。
・「データサイエンス特別実践演習 I」を履修する方は,第1回目に限り3限の時間帯に出席してください。
・特論は履修するが,特別実践演習は履修しないという選択肢もあります。

【連絡先】担当教員 経済学部 唐渡広志 kkarato@eco.u-toyama.ac.jp


  授業のねらいとカリキュラム上の位置付け(一般学習目標)
この科目は「データサイエンス寄附講座」による授業の一つであり,全学部の学生が受講対象となります。

データサイエンスとは,データを用いて社会の課題解決を図るための学問分野であり,統計学,情報工学,機械学習,企業経営などに関する知識を横断的に利用します。近年,電子データへのアクセスが容易になり,コンピューターの性能や記憶容量が向上したことで,データ分析のハードルが下がっています。また,さまざまな企業では,市場での競争優位性を築くためにAI(人工知能)を活用した識別や膨大なデータに基づく予測に対する需要が高まっています。

データサイエンス特論では,統計学,データ分析,情報処理などの初歩的な学習を終えた学生を対象に,データサイエンスの基礎的知識を学びます。座学形式の授業に加えてパソコンを利用した実習形式の授業も行います。

特別研究「データサイエンス特別実践演習T」,特別研究「データサイエンス特別実践演習U」,特別研究「データサイエンス・プレゼンテーション特論」の同時履修をお勧めします。


  教育目標
 

  達成目標
・データサイエンスの概要を知る
・統計,機械学習の基本的な知識・技能を身につける


  授業計画(授業の形式、スケジュール等)
1. (4/14) データサイエンスの概略・実践演習課題の割り振り(担当:唐渡[経済学部])
2. (4/21) 仮説検定(担当:唐渡[経済学部])
3. (4/28) 線形回帰モデルの推定(担当:唐渡[経済学部])
4. (5/12) 二項選択・順序選択モデルの推定(担当:唐渡[経済学部])
5. (5/19) 因果効果の推定(担当:唐渡[経済学部])
6. (5/26) 定常時系列モデルの推定(担当:唐渡[経済学部])
7. (6/2) 機械学習とは。通常の重回帰分析とラッソ回帰(担当:モヴシュク[経済学部])
8. (6/9) 決定木と回帰木(担当:モヴシュク[経済学部])
9. (6/16) アンサンブル学習(バッギング,ランダムフォレスト,ブースティング等) (担当:モヴシュク[経済学部])
10. (6/23) 自動機械学習(AutoML) (担当:モヴシュク[経済学部])
11. (6/30) 国民健康保険ビッグデータによる健康ハザードマップ(メタボマップ)の作成(担当:関根[医学部])
12. (7/7) 地方創生とデータサイエンス(担当:尾山[地域連携推進機構])
13. (7/14) 医学研究でのデータサイエンス(担当:山田[医学部])
14. (7/21) 生命情報学とデータサイエンス(担当:奥[和漢医薬学総合研究所])
15. (7/28) AI講座 〜時代が求めているAI人財を解説(講演:日本電気株式会社 AI・アナリティクス事業部 青木 勝)


  授業時間外学修
・授業で示される文献の予習(2時間)。
・授業でしめされる課題作成(2時間)。


  キーワード
データサイエンス,統計,応用数学,機械学習,プログラミング,データ主導での課題解決,DS科目

  履修上の注意
・統計学,データ分析,情報処理などについて初歩的な知識を持つ「全学部生」を対象にします(経済学部以外の学生は,自由選択科目としての他学部履修となります)。
・本科目に加えて「データサイエンス特別実践演習T,U」は企業から提供されたデータに基づいて以下の課題の解決を行う授業です:
 (1) 運動量把握システム
 (2) 落石アラートシステム
 (3) 交通量予測
 (4) 自動販売機の売上予測
実践的な力を磨きたい学生には「データサイエンス実践演習T,U」の同時履修を推奨します。


  成績評価の方法
・課題の提出(複数回)100%

  教科書・参考書等    図書館蔵書検索
第1回目の授業にて指示します。
参考書として以下が有益です。
・馬場(2020)『R言語ではじめるプログラミングとデータ分析』ソシム\3000
・今井(2018)『社会科学のためのデータ分析入門』岩波書店\2600
・Brett Lantz (2017) 『(邦訳版)Rによる機械学習』翔泳社\3800
・山田・杉澤・村井 (2008) 『Rによるやさしい統計学』オーム社 \2700


  関連科目
計量経済学特殊研究
応用計量経済学特殊研究
特別研究「データサイエンス特別実践演習T」
特別研究「データサイエンス特別実践演習U」
特別研究「データサイエンス・プレゼンテーション特論」


  リンク先ホームページアドレス
Moodle のコースは次になります

https://lms.u-toyama.ac.jp/course/view.php?id=6040

  備考  

000180
戻る シラバストップへ戻る


富山大学 SYLLABUS
 2021年度 戻る シラバストップへ戻る
PDF生成
経済学研究科(修士課程)地域・経済政策専攻
授業科目名
特別研究「データサイエンス特論」  マイシラバス
英語名

 

担当教員

唐渡 広志(経済学部), モヴシュク・オレクサンダー(経済学部) 

授業科目区分

専門教育科目 地域専攻科目 

授業種別

講義科目 

COC+科目

開講学期

前期・水曜3限 

対象所属

地域・経済政策専攻、企業経営専攻 

対象学生

1、2年 

時間割コード

231305 

単位数

2単位 

 

最終更新日時

21/10/26 

オフィスアワー

モヴシュク・オレクサンダー(月曜日・12?13時の間) 

更新日 21/06/01

・6/2 より経済4階端末室での授業になります。
・第2〜6回までの課題締切は 6月9日 0:00 です。

・授業では R を利用しますので自分のPCにインストールしておいてください。
・第2回目 4/21 はオンライン (zoom) になりましたので,メールの招待状を確認してください。

・開講場所:経済学部講義棟4階 端末室
・4月14日(水)3限の第1回目の授業では,はじめに本科目の授業概要を説明します。
・その後,「データサイエンス特別実践演習 I」の課題(1件あたり10分×4件)を紹介し,最後にどの課題を選ぶのかを受講者が決定します。
・「データサイエンス特別実践演習 I」を履修する方は,第1回目に限り3限の時間帯に出席してください。
・特論は履修するが,特別実践演習は履修しないという選択肢もあります。

【連絡先】担当教員 経済学部 唐渡広志 kkarato@eco.u-toyama.ac.jp
 

授業のねらいとカリキュラム上の位置付け

この科目は「データサイエンス寄附講座」による授業の一つであり,全学部の学生が受講対象となります。

データサイエンスとは,データを用いて社会の課題解決を図るための学問分野であり,統計学,情報工学,機械学習,企業経営などに関する知識を横断的に利用します。近年,電子データへのアクセスが容易になり,コンピューターの性能や記憶容量が向上したことで,データ分析のハードルが下がっています。また,さまざまな企業では,市場での競争優位性を築くためにAI(人工知能)を活用した識別や膨大なデータに基づく予測に対する需要が高まっています。

データサイエンス特論では,統計学,データ分析,情報処理などの初歩的な学習を終えた学生を対象に,データサイエンスの基礎的知識を学びます。座学形式の授業に加えてパソコンを利用した実習形式の授業も行います。

特別研究「データサイエンス特別実践演習T」,特別研究「データサイエンス特別実践演習U」,特別研究「データサイエンス・プレゼンテーション特論」の同時履修をお勧めします。
 

教育目標

  

達成目標

・データサイエンスの概要を知る
・統計,機械学習の基本的な知識・技能を身につける 

授業計画

1. (4/14) データサイエンスの概略・実践演習課題の割り振り(担当:唐渡[経済学部])
2. (4/21) 仮説検定(担当:唐渡[経済学部])
3. (4/28) 線形回帰モデルの推定(担当:唐渡[経済学部])
4. (5/12) 二項選択・順序選択モデルの推定(担当:唐渡[経済学部])
5. (5/19) 因果効果の推定(担当:唐渡[経済学部])
6. (5/26) 定常時系列モデルの推定(担当:唐渡[経済学部])
7. (6/2) 機械学習とは。通常の重回帰分析とラッソ回帰(担当:モヴシュク[経済学部])
8. (6/9) 決定木と回帰木(担当:モヴシュク[経済学部])
9. (6/16) アンサンブル学習(バッギング,ランダムフォレスト,ブースティング等) (担当:モヴシュク[経済学部])
10. (6/23) 自動機械学習(AutoML) (担当:モヴシュク[経済学部])
11. (6/30) 国民健康保険ビッグデータによる健康ハザードマップ(メタボマップ)の作成(担当:関根[医学部])
12. (7/7) 地方創生とデータサイエンス(担当:尾山[地域連携推進機構])
13. (7/14) 医学研究でのデータサイエンス(担当:山田[医学部])
14. (7/21) 生命情報学とデータサイエンス(担当:奥[和漢医薬学総合研究所])
15. (7/28) AI講座 〜時代が求めているAI人財を解説(講演:日本電気株式会社 AI・アナリティクス事業部 青木 勝)
 

授業時間外学修

・授業で示される文献の予習(2時間)。
・授業でしめされる課題作成(2時間)。 

キーワード

データサイエンス,統計,応用数学,機械学習,プログラミング,データ主導での課題解決,DS科目 

履修上の注意

・統計学,データ分析,情報処理などについて初歩的な知識を持つ「全学部生」を対象にします(経済学部以外の学生は,自由選択科目としての他学部履修となります)。
・本科目に加えて「データサイエンス特別実践演習T,U」は企業から提供されたデータに基づいて以下の課題の解決を行う授業です:
 (1) 運動量把握システム
 (2) 落石アラートシステム
 (3) 交通量予測
 (4) 自動販売機の売上予測
実践的な力を磨きたい学生には「データサイエンス実践演習T,U」の同時履修を推奨します。
 

成績評価の方法

・課題の提出(複数回)100% 

図書館蔵書検索

第1回目の授業にて指示します。
参考書として以下が有益です。
・馬場(2020)『R言語ではじめるプログラミングとデータ分析』ソシム\3000
・今井(2018)『社会科学のためのデータ分析入門』岩波書店\2600
・Brett Lantz (2017) 『(邦訳版)Rによる機械学習』翔泳社\3800
・山田・杉澤・村井 (2008) 『Rによるやさしい統計学』オーム社 \2700 

関連科目

計量経済学特殊研究
応用計量経済学特殊研究
特別研究「データサイエンス特別実践演習T」
特別研究「データサイエンス特別実践演習U」
特別研究「データサイエンス・プレゼンテーション特論」
 

リンク先ホームページアドレス

Moodle のコースは次になります

https://lms.u-toyama.ac.jp/course/view.php?id=6040
 

備考

  



戻る シラバストップへ戻る
PDF生成 マイシラバスリスト

ページの先頭へ