横浜市立大学 大学案内2019
62/132

■ Pick up 授業■ 主な科目紹介アルゴリズム論本講義では、理論計算機科学の根幹をなすアルゴリズムと計算量の考え方について基本的な事柄を学修します。具体的には、「計算機による計算のコストとは何なのか」、「それをどのように計るのか」、「良いやり方で計算を行うことで同じ問題が如何に低いコストで解けるのか」を数学的な基礎知識を学修します。講義概要ビッグデータ解析21世紀に入り、社会インフラとしてのWebが整備され、IoT (Internet of Things) 技術であらゆるモノからも大量のデータが取得可能となりました。それらデータと企業・行政機関に蓄積されているデータを総称してビッグデータと呼びます。本講義では、ビッグデータ解析を支える技術とその適用方法や解析結果の解釈を、多くの事例を通じて学修します。講義概要多変量データ解析多変量解析とは、多くの変数を持つデータが持つ特徴をまとめ、各変数間の相互関係を明らかにする統計的手法の総称です。数ある手法のうち「回帰分析」を中心に「判別分析」「主成分分析」「多次元尺度法」等の理論を学修します。その理論をもとに、多変量データに対して適切な解析の手法を身に付けます。講義概要統計の数理Ⅰ「記述統計学」、「確率」、「確率分布」について学修します。具体的には、統計データやグラフの意味を理解に加え、独自にデータを要約できるようにデータの取得法、および数値的・グラフ的要約法を学びます。また、母集団、標本、確率、確率変数、確率分布の性質を熟知し、積率母関数などの方法による確率分布の性質に関する考察ができるよう学修し、理解を深めます。講義概要微積分学Ⅰ微積分学Ⅰは、データサイエンス専門科目の中でも基礎的な科目に位置付けられており、主に1年次で履修します。この講義では、「数列の極限」「関数の極限」「導関数」「テイラーの定理」「不定積分」「有理関数の積分」「初等関数の積分」などを取り扱います。微分法と積分法の基本を学修することで、データサイエンスに不可欠な知識を身に付けます。具体的には、1変数関数における微分積分の基礎の習得のため、関数の極限を理解することから始め、微分の考え方を導入し、その応用までを学び、理解します。また、テイラーの定理による近似の考え方の学修に加え、さらに積分法の考え方を理解し、面積などの応用面と合わせて統計などで広く利用される広義積分まで学修します。線形代数学実習Ⅰ データサイエンス学部で学んでいく統計学では、ひとつの変量を分析するよりも、たくさんの変数に対する関係を分析する、多変量解析法を用います。その際に必要なのが、線形代数学の知識です。この講義では、演習を行うことで、線形代数学Ⅰで学修した内容の理解度を確認します。ベクトルと行列の基本演算、行列式や逆行列の計算ができ、統計解析との関連を理解することは、データサイエンスを学ぶ上で非常に重要です。具体的には、演習を通じて、2×2行列ではケーリーハミルトンの定理と行列式を用いることで逆行列の演算が可能となること、また、それが一般のn×n行列では適用することができないことなどを学修します。またこの授業は、実際に計算するために必要な情報学的な知識も含めて学修していきます。小泉 和之土屋 隆裕・阿部 貴行■ データサイエンス学部の社会連携データサイエンス学部では、企業や官公庁と連携した教育・研究を展開していきます。2018年度は、「データサイエンスセミナー」と題して、企業や官公庁などの現場の第一線で活躍するゲスト講師を迎え、実社会でのさまざまなデータ活用事例に触れるセミナーを開催しています。企業におけるマーケティングやビジネス戦略、ものづくりの品質管理などに、どのようにデータが分析され、活用されているのか、また、官公庁においてはデータの利活用による政策立案やオープンデータ活用推進の取り組みなどを生の声から学ぶことで、データサイエンス学部の学生が、自分の学びが将来どのような分野で活用することができるかを考える機会となっています。また、企業との産学連携協定を締結し、データが分析・活用される現場でのインターンシップや共同研究などを推進し、社会との連携を今後ますます進めていきます。60

元のページ  ../index.html#62

このブックを見る