AI・データサイエンス基礎2について

授業内容（前・後期あわせて）

1. AI・データサイエンスの概要
2. データ処理用プログラム言語「Ｒ」の基礎技術の習得
3. データサイエンスの理解のための数学（線形代数・微分）入門
4. （データマイニングを含む）データサイエンス・人工知能技術のい ろいろな手法の習得
5. テキストマイニング入門
6. ニューラルネットによる機械学習技術入門
7. データエンジニアリング

本講座では手元にＰＣがあることを活用して内容を深く掘り下げる予定です。 なお、理解度に応じて、進み方は（当初の授業内容を各自の課題とすることで） 早くなったり（復習を多くして）遅くなったりする可能性があります。

評価基準

• 課題とテストの総合評価
  1. 授業でほぼ毎回出される 課題の提出点 ：講義中での提出を 100% として、当日に提出できなかった場合は１週間以内なら 80% の重み、そ れ以降なら 60% の重みをつけて累積加算します。なお（ビデオ視聴後の感想 文提出など）一部の課題については後日の提出が事実上不可能＝つまり、当日 出席しないと課題提出は無理、という場合もあります。
  2. 期末等におこなう（定期試験ではない） 実力テスト

  上記 a,b を 100 点満点で評価したのち、 (a*0.6+b*0.4) と (a*0.4+b*0.6) の、いずれか大きいほうを評価とします。

  つまり（中味がよほど酷い場合を除き）全部の課題を当日中に提 出しておれば60点（合格点）を保障します（←100*0.6=60点の持ち点 が確保できる）。まずは課題提出をきっちりこなしてください。

  あるいは、もし一切課題提出がなくても実力テストで満点をとれば、上式に従 うと持ち点が 60 点になるので合格点は確保できます。

• その他、課題の出来について等、±どちらにも平常点を加味する場合が あります。課題については、全員が取り組むべき必須課題に加えて、ほぼ毎 週「余力のある人」用のオプションがありますので、これに取り組んでもら うと（保証はできませんが）平常点プラスの可能性が高いです。

講義に際しての（一般的）注意事項

• （コンピュータ系というか、理系の学習一般に言えることかもしれませんが） この講義は 知識の積み上げ ＝前に習ったことを土台にして、 新たな知識を学ぶ、ということによりデータサイエンスの基礎概念およびデー タマイニング関連技術を習得することを目標としているので、学 習の継続 が(他科目に比べても)特に要求されるということを肝に命じてお いてください。何等かの事情で欠席した場合も、かならずその次の授業までに、 ここの Web ページをみて復習して、授業進行のペースに遅れないようつとめて ください。

• 課題の提出により出席状況をチェックするので、講義に出ていても課題を提出 しない場合はカウントされません。提出課題は（遅れても）全提出をめざして ください。授業当日に提出できなかった場合の扱いは上記の通りです。
• あたりまえのことですが、私語厳禁です。但し、個別演習時の課題に関する少 数での議論を除きます。さらに当然のことですが、講義前に携帯電話等も（呼 出）音が鳴らないように必ず設定しておいてください。違反者は退室してもら うことがあります。