コンテンツに飛ぶ | ナビゲーションに飛ぶ

  • 日本語
  • English
 
現在位置: ホーム ja シラバス(2020年度) 経済学部 演習(4回生) 演習(4回生)

演習(4回生)

JA | EN

科目ナンバリング
  • U-ECON00 30030 SJ43
  • U-ECON00 40040 SJ43
開講年度・開講期 2020・前期
単位数 2 単位
授業形態 演習
配当学年 4回生
対象学生 学部生
使用言語 日本語
曜時限 水5
教員
  • 秋田 祐哉(経済学研究科 准教授)
授業の概要・目的 インターネットに代表される情報技術の発展により、さまざまな事象について大量のデータが生み出される時代となっており、これを活用することが望まれている。本演習では、パターン認識やデータマイニング、機械学習と呼ばれる情報処理手法の仕組みを理解するとともに、現実のデータを分析対象として、問題設定・分析手法の選定・分析結果の解釈などの一連の作業を演習形式で学ぶ。
到達目標 いわゆるデータサイエンスと呼ばれる分野の基礎的な知識の取得だけではなく、受講者が自主的にテーマを設定し、現実に蓄積されている生のデータから情報処理によって知見を引き出せるような一連のスキルを身につけることを目標とする。
授業計画と内容 さまざまな統計的分析手法あるいはパターン認識・機械学習手法を用いて現実のデータを処理し、そこから新たな知見を得るというデータ処理の一連の流れを実践する。受講者は個人、もしくは2~4名程度の少人数のグループに分かれて、各グループが興味のあるテーマについて分析を行う。分析対象や分析方法、分析結果の解釈など、演習を進めるうえでの詳細については担当教員がアドバイスする。受講者が設定するテーマの難易度にもよるが、前期・後期を通じて1つのテーマに取り組むことを想定している。

演習は前期・後期とも概ね次のスケジュールで実施するが、回数は必要に応じて変更する。なお、多くの受講者にとってパターン認識や機械学習はなじみがないかもしれない。このため、受講者の理解度に応じて補習的な講義を行うことがある。

第1回~第2回 グループ編成,テーマの決定
第3回~第13回 分析の報告と検討(毎回)
第14回 最終報告(発表)
成績評価の方法・観点 演習への出席(50点)および演習での発表内容(50点)により評価する。 なお、これにかかわらず、3分の1以上欠席した場合には単位は認めない。
履修要件 情報処理入門を履修していること、コンピュータの操作にある程度習熟していることが望ましいが必須ではない。入門科目の数学・統計関係科目を履修しておくことを勧める。なお、前後期通した履修を条件とする。
授業外学習(予習・復習)等 各回で設定する課題や目標について、着実に作業を進めること。
参考書等
  • 設定テーマに応じた参考書を演習中に適宜紹介する。