データサイエンス概論A・B
データサイエンスは、この10年で飛躍的に成長している分野です。検索エンジンの入力ワードからインフルエンザの流行を予測したり、購買物のデータから個人の嗜好を分析して広告を提示するなど、現在データサイエンスを必要としていない業界はないと言っても過言ではありません。本講義では、データサイエンスを実践する際に必要となる様々な技術の概要を学びます。
データサイエンス概論A・Bは数理・データサイエンス標準カリキュラムコース データサイエンス科目です。2018年度、2019年度の入学者で、対象学部（※）に所属する学生は、 この授業の単位を上記コース修了のために使用することができます。
※対象学部は入学年度によって異なりますのでご注意ください。
2018年度入学生：国際人間科学部、経済学部、経営学部、理学部、工学部、農学部、海事科学部
2019年度入学生：文学部、国際人間科学部、経済学部、経営学部、法学部、理学部、工学部、農学部、海事科学部
数理・データサイエンス標準カリキュラムコース ガイダンス
- 【開催日時】
- 4月22日(月) 12:30～13:10
- 【開催場所】
- 鶴甲第1キャンパス B210
- 【対象者】
- 全学部の１～２年次生(2018年度入学、2019年度入学)
- 【内容】
- 1. 数理・データサイエンス標準カリキュラムコースの説明
- 2. データサイエンス概論A,Bについて
データサイエンス概論A
- 概要
- データサイエンスを実践する際に必要となる様々な技術の概要および理論の基礎を学ぶ。
- 講義日程
- 2019年4月8日～6月3日 月曜日5限
- 講義場所
- 鶴甲第1キャンパス B209、B210
- 対象者
- 全学部の2年次生（定員400名、抽選登録）
- 講義内容
| 日付 | 講義内容 | 講師 |
|---|---|---|
| 4/8 | データ処理・解析1（重回帰分析） 重回帰分析の理論を概説し、実データへの適用例を紹介する。 |
青木 敏 神戸大学 大学院理学研究科 |
| 4/15 | データ処理・解析2（主成分分析） 主成分分析の考え方と適用例について概説する。 |
阪本 雄二 神戸大学 大学院人間発達環境学研究科 |
| 4/22 | 機械学習１（教師あり学習） 入力データとあらかじめ与えられた教師データ（正解データ）の関係を学習する「教師あり学習」について，基礎から近年注目の深層学習まで概説する。 |
爲井 智也 神戸大学 数理・データサイエンスセンター |
| 5/6 | マルチメディア解析1（文書解析と人工知能） 対話システム、試験解答、医療診断や裁判の自動支援など研究事例の紹介を通じて、自然言語処理の現在について概説する。 |
狩野 芳伸 静岡大学 情報学部 |
| 5/13 | 機械学習２（教師なし学習） 入力データの類似性，相関性，統計的独立性，スパース性などを尺度として，次元削減，クラスタリング，信号源分離など様々な処理を教師信号なしで学習する方法を概説する。 |
小澤 誠一 神戸大学 数理・データサイエンスセンター |
| 5/20 | 機械学習３（強化学習） 行動の結果に対して評価（報酬）をもとに，エージェントが試行錯誤的に行動を学習する「強化学習」について，基礎から最新の動向まで概説する。 |
爲井 智也 神戸大学 数理・データサイエンスセンター |
| 5/27 | マルチメディア解析2（画像解析と人工知能） 医療で利用されているCTやMRといった画像の撮像の仕組みとその解析について概説する。 |
熊本 悦子 神戸大学 情報基盤センター |
| 6/3 | 試験 | - |
- 講義詳細
- シラバスをご参照ください。
データサイエンス概論B
- 概要
- データサイエンスを実践する際に必要となる様々な技術の概要および理論の基礎を学ぶ。
- 講義日程
- 2019年6月10日～7月29日 月曜日5限
- 講義場所
- 鶴甲第1キャンパス B209、B210
- 対象者
- 全学部の1～2年次生（定員400名、抽選登録）
- 講義内容
| 日付 | 講義内容 | 講師 |
|---|---|---|
| 6/10 | 情報セキュリティ1（サイバーセキュリティ） サイバーセキュリティについて概説する． |
森井 昌克 神戸大学 大学院工学研究科 |
| 6/17 | 情報セキュリティ2（プライバシー保護技術） セキュリティやプライバシー保護を支える暗号技術の最新動向について概説する。 |
盛合 志帆 情報通信研究機構 |
| 6/24 | 社会科学とデータサイエンス（計量経済学） データサイエンスの経済データへの応用例、およびその際に注意すべき問題点等に関して、できるだけ分かりやすく説明する。 |
羽森 茂之 神戸大学 大学院経済学研究科 |
| 7/1 | 社会実装とデータサイエンス１（サーバとエッジ） サーバ学習およびエッジ推論における問題点と解決法のいくつかの例を取り上げる。 |
川口 博 神戸大学 大学院科学技術イノベーション研究科 |
| 7/8 | 社会実装とデータサイエンス２（非破壊検査） 「Subsurface imagingを実現する画像再構成技術と社会実装」”物体の表面で得られた計測データを用いて、いかに物体内部の3次元構造を再構成するか”、この重要課題に対する方法論と社会での活用について解説する。 |
木村 建次郎 神戸大学 数理・データサイエンスセンター |
| 7/15 | 社会実装とデータサイエンス３（サービス工学） サービスをつくりだし，提供するシステム構築の試みについて，飲食業の厨房レイアウトを例に紹介する。 |
藤井 信忠 神戸大学 大学院システム情報学研究科 |
| 7/22 | 社会実装とデータサイエンス4（深層学習向けプロセッサ） データサイエンス・人工知能のための高性能プロセッサについて概説する。 |
牧野 淳一郎 神戸大学 大学院理学研究科 |
| 7/29 | 試験 | - |
- 講義詳細
- シラバスをご参照ください。
