プログラミングⅠで学んだプログラミング基礎技術を応用し、シミュレーション技法やデータ解析のためのデータモデリング手
法を学ぶ。
【授業形態】原則対面形式（予定）
|
|
|
pythonの中級程度の能力を身につける。また機械学習や深層学習をゼミなどで使いこなすことができるスキルを身につける。
|
|
|
|
第1回
|
numpyとpython中級への入り口
|
|
第2回
|
pandas データ分析入門
|
|
第3回
|
matplot 可視化入門 seabornも習得
|
|
第4回
|
sympy pythonによる大学数学
|
|
第5回
|
scipy pythonによる確率変数
|
|
第6回
|
scipyII pythonによる分散分析
|
|
第7回
|
単回帰
|
|
第8回
|
重回帰分析
|
|
第9回
|
scikit-learnによる機械学習 ロジスティック回帰
|
|
第10回
|
scikit-learnによる機械学習2 決定木とアンサンブル学習
|
|
第11回
|
教師なし学習 クラスタリング
|
|
第12回
|
教師なし学習II 次元削減
|
|
第13回
|
ニューラルネットワーク MLP
|
|
第14回
|
ニューラルネットワーク CNN
|
|
第15回
|
ニューラルネットワーク CNN応用編
|
|
|
|
|
|
|
講義配布資料の確認と復習（標準的な所要時間90分）
|
|
|
|
|
演習問題の平均点をもって理解度を測定する．評点の目安は以下の通りである．
pythonにより基本的な数値計算、数式処理、作図，機械学習ライブラリを使うことができる：「可」相当
ライブラリ等を用いて課題に対する実装ができる：「良」相当
プログラムのエラーに対する処理ができる：「優」相当
表計算，作図，機械学習，CNNなどの応用ができる：「秀」相当
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|