シラバス
特設講義(データ・サイエンスとアナリティクス)(後期2単位)
客員教授 髙橋 雅夫
1.授業のねらい
セキュリティ事故を想定した事業リスクマネジメントの一環として、セキュリティ対策における適切な仮説の設定やKPI導入においても、データ・サイエンスやアナリティクスの知見・手法を活用することの重要性が高まっている。本科目においては、演習等を取り入れながら、モデリング、データ可視化、予測分析を始めとするデータ・サイエンスに関する実践的な知識を身に付けることを目的とする。
2.到達目標
- データ・サイエンスの各種手法を理解し、実践できるようにする
- 情報セキュリティ研究にデータ・サイエンスを応用する力を身につける
3.授業計画
第 1回 イントロダクション:データ・サイエンスとは
第 2回 Rの基本
第 3回 データ分析の基礎(記述統計復習)
第 4回 確率と確率分布
第 5回 線形モデルと回帰分析
第 6回 推測統計
第 7回 ベイズ推論
第 8回 機械学習その1(教師あり学習その1:重回帰分析)
第 9回 機械学習その2(教師あり学習その2:ロジスティック回帰)
第10回 機械学習その3(教師なし学習その1:主成分分析)
第11回 機械学習その4(教師なし学習その2:クラスタリング)
第12回 Pythonの基本
第13回 深層学習その1(基礎)
第14回 深層学習その2(実践)
第15回 データの可視化
受講生の予備知識などによって、多少変更することもありうる。
4.教科書(学生が履修するにあたって必携のもの)
特に指定しない。
5.参考書
特に指定しない。
6.関連科目
次の科目をあらかじめ履修しておくことが望ましい
- 統計的方法論
- 不確実性下の意思決定
- AIと機械学習
7.成績評価の方法と基準
講義への積極的な参加状況及びレポートによって評価する。
Copyright © INSTITUTE of INFORMATION SECURITY. All rights Reserved.