データサイエンス入門

近年、ビジネス誌の特集に「データ分析」「統計学」「人工知能 (AI) 」といった言葉をよく目にするようになりました。第4次産業革命を迎え、あらゆるモノをインターネットに接続し、膨大なデータを収拾・分析するIoT社会において、ひたすらに増え続けるデータ (ビッグデータ) を有効かつ効率的な処理し、ビジネス・研究に生かすための「データサイエンス」は、文系・理系問わず、もはや現代の必修科目です。 　本セミナーでは、この「データサイエンス」について、これだけき知っておきたい基本事項を解説します。データの使い方の基礎から、いま人工知能で話題となっているディープラーニングまで、データサイエンスの書籍などにありがち複雑な書式による説明は最小限に、その基本的な考え方と手法の原理をマスターすることを目的とします。

1. データサイエンスとは
   1. 要素技術
   2. AIの時代
2. データと前処理
   1. ビッグデータ・データベース
   2. 基本統計量・ベイズ設計
   3. データの標準化
3. モデル化と最適化
   1. 実験計画法
   2. シンプレックス最適化法
   3. グリッドサーチ
4. パターン認識・多変量解析
   1. パターン認識とは
   2. 多変量解析とは
   3. 重回帰分析とPLS回帰分析
   4. クロスバリデーションとは
5. サポートベクターマシン (SVM)
   1. カーネル法
   2. SVMの応用例
6. ニューラルネットワーク・ディープラーニング
   1. ニューラルネットワークとは
   2. ニューラルネットワークの構造と学習
   3. ディープラーニング
   4. ディープラーニングの活用分野・展望
7. まとめ