　　　　　

システム設計工学専攻

対象課程	科目名	単位数	科目コード	開講時期	授業科目区分
博士前期課程（修士課程）	データ解析法 Data Analysis Method	2	2677-01	2024年度前学期	関係科目

担当教員名
松下　裕

授業科目の学習・教育目標

キーワード

学習・教育目標

1.多変量解析 2.線型予測モデル 3.最小2乗法 4.ベイジアンネットワーク

情報コンテンツの作成では，もの・人・環境の相互関係をシステム的に捉えることは重要である．本科目は，現象をシステム論的に扱うためにデータ解析における基盤技術の習得を目的とする．まず，線型予測モデルに基づく種々のデータ解析手法を習得する．これは多変量解析の文脈で行われる．さらに，不確実な状況の下で確率理論に従って行われる推論方法を習得するためにベイジアンネットワークの基本概念を学習する．これより，人や社会に有用なコンテンツの特性を抽出する能力を養成する．

授業の概要および学習上の助言

線型予測モデルはそのロバスト性から様々な分野のデータ解析に用いられており，人間感覚計測をシステム論的に扱う上でも当然重要になるモデルである．しかし，様々な解析方法があり，その特性を把握した上で解析モデルを適用することが肝要である．本講義では，線型予測モデルの概要を学習した上で，未知パラメータの推定方法と予測結果の解釈方法を理解することを目指す．授業では，教科書の第2, 3章，および第7章 (第8章) をレポートおよび発表してもらった上でゼミ形式で理解を深める．また，評価問題や社会問題では不確実性を考慮に入れる必要があるが，ベイジアンネットワークは不確実な状況下での合理的な確率推論モデルである．この概念の基本と応用の理解を図るために，教員が概略を講義形式で説明した上で，学生には論文または解説書の講読および発表を行ってもらう予定である．

教科書および参考書・リザーブドブック
教科書：実践ビジネスデータ解析入門 [共立出版] 上田太一郎，中西元子，村上直子，杉村裕喜著参考書：ベイジアンネットワークの統計的推論の数理 [コロナ社]　田中和之著

履修に必要な予備知識や技能

内容を理解するためには線型代数学と確率論の基礎知識が必須であるので，受講希望学生は必要箇所を学部時代の教科書などで復習しておくことを勧める．第2週から10週までパソコンによる演習を行う予定なので，Excelの「分析ツール」と「ソルバー」がアドインされたパソコンを持参すること．なお，受講者数によっては重回帰分析の講義回数と学生ゼミの回数に変動が生じる場合がある．

学生が達成すべき行動目標
No.
①	重回帰分析や数量化理論第 I 類などの多変量解析手法による予測ができる．
②	実験計画法の考え方を理解できる．
③	最小2乗法の意味を知ることができる．
④	不確実性および確率推論の基本概念を把握できる．
⑤
⑥

達成度評価
評価方法	試験	クイズ小テスト	レポート	成果発表 (口頭・実技)	作品	ポートフォリオ	その他	合計
総合評価割合	0	0	60	20	0	0	20	100

評価の要点
評価方法	行動目標		評価の実施方法と注意点
試験	①
	②
	③
	④
	⑤
	⑥
クイズ小テスト	①
	②
	③
	④
	⑤
	⑥
レポート	①	レ	・レポートは2回の提出を求める．それぞれ，前半の学生ゼミの各種データ解析手法の基本と応用の説明に関するものと後半の学生ゼミの最新のデータ解析研究（論文調査）に関するものである．内容の論理性，明瞭性，努力の程度で評価される．・前半の学生ゼミでは，データ解析手法の紹介のみならず，Excelを用いた実演によりそのやり方を明示しなければならない．後半の学生ゼミでは，研究の目的，実験方法，結論を簡潔にまとめ，研究の主題を聴講者に伝えなければならない．
	②	レ
	③	レ
	④	レ
	⑤
	⑥
成果発表 (口頭・実技)	①	レ	・成果発表は上記のゼミレポートに対する発表内容で評価される．・学生は単独若しくはチームを構成してレポートを作成するとともに発表を行う．
	②	レ
	③	レ
	④	レ
	⑤
	⑥
作品	①
	②
	③
	④
	⑤
	⑥
ポートフォリオ	①
	②
	③
	④
	⑤
	⑥
その他	①	レ	・学生ゼミでの参加度合いや講義後に行う演習課題の提出状況で評価される．・授業は，原則として，講義日には最後に課題演習を行う．そのため，講義日でもパソコンは必要である
	②	レ
	③	レ
	④	レ
	⑤
	⑥

具体的な達成の目安
理想的な達成レベルの目安	標準的な達成レベルの目安
多変量解析の理論と適用方法を十分に理解しており，その技術を自分自身の研究課題に展開することができる．さらに，確率推論の基本概念を把握しており，幾つかの応用事例を説明することができる．	多変量解析の基本概念を理解し，代表的な解析手法の応用方法を習得している．また，確率推論の応用事例の概略を説明することができる．

※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間（例えば2単位科目の場合、予習2時間・復習2時間／週）を取るよう努めてください。詳しくは教員の指導に従って下さい。

授業明細
回数	学習内容	授業の運営方法	学習課題予習・復習	時間：分※
1	学習支援計画書の説明，相関の概念　ピアソンの積率相関の数学的意味	講義と実習	予習：線形代数学の教科書でベクトルの内積を，統計の教科書で相関を読む．復習：配布資料1.1節から1.3節を理解する．	60 30
2	重回帰分析1 重回帰モデルと正規方程式	講義と実習自己点検・振り返り	予習：配布資料3.1節と3.2節を読む．復習：授業課題，配布資料3.1節と3.2節を理解する．	60 90
3	重回帰分析2 　偏回帰係数の意味（標準編回帰係数）	講義と実習自己点検・振り返り	予習：配布資料3.3節から3.5節を読む．復習：授業課題，配布資料3.3節から3.5節を理解する．	60 90
4	重回帰分析3 　重回帰分析の有意性検定と制度	講義と実習自己点検・振り返り	予習：配布資料3.6節と付録A.1節を読む．復習：授業課題，配布資料3.6節と付録A.1節を理解する．	60 90
5	重回帰分析4 　偏回帰係数の検定	講義と実習自己点検・振り返り	予習：統計の教科書でt検定の箇所を復習し配布資料3.2節と3.7節を読む．復習：授業課題，配布資料3.2節と3.7節を理解する．	90 60
6	重回帰分析5 総合演習と結果レポートの書き方	講義と実習自己点検・振り返り	予習：配布資料3.1節から3.7節を読む．復習：授業課題を理解する．	60 90
7	学生ゼミ1 重回帰分析によるデータ解析	ゼミと解説	予習：教科書2章を読む．復習：教科書2章を理解する．	90 90
8	学生ゼミ2 　数量化理論第一類によるデータ解析	ゼミと解説	予習：教科書3章を読む．復習：教科書3章を理解する．	90 90
9	学生ゼミ3 　実験計画法による実験の効率化	ゼミと解説	予習：教科書7章を読む．復習：教科書7章を理解する．	90 90
10	学生ゼミ4 　AIまたは他のデータ解析手法	ゼミと解説	予習：配布資料を読む．復習：配布資料を理解する．	90 90
11	ベイジアンネットワーク1 条件付き確率とベイズの法則	講義と実習自己点検・振り返り	予習：配布資料(2)の1.1節と1.2 節を読む．復習：授業課題，配布資料(2)の1 .1節と1.2節を理解する．	60 90
12	ベイジアンネットワーク2 ベイジアンネットワークの基礎概念	講義と実習自己点検・振り返り	予習：配布資料(2)の1.3節と1.4 節を読む．復習：授業課題，配布資料(2)の1 .3節と1.4節を理解する．	60 90
13	ベイジアンネットワーク3 ベイジアンネットワークによるデータ解析事例	講義と実習	予習：配布資料(2)の1.4節と1.5 節を読む．復習：授業課題，配布資料(2)の1 .4節と1.5節を理解する．	60 90
14	学生ゼミ5 データ解析の事例紹介（論文調査）	ゼミと解説	予習：論文を読む．復習：論文を理解する．	120 60
15	学生ゼミ6 データ解析の事例紹介（論文調査）	ゼミと解説	予習：論文を読む．復習：論文を理解する．	120 60