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（各回毎の内容）と開講形態

原則として、教室・オンラインによるハイフレックス形式で授業を行う。

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　推測統計
第 6回　線形モデルと回帰分析
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

• 地道 正行 著：『データサイエンスの基礎　Rによる統計学独習』，（裳華房, 2018）
• 金 明哲 著　：『Rによるデータサイエンス 第2版』, （森北出版, 2018)
• 石川 聡彦 著：『Pythonで動かして学ぶ！あたらしい深層学習の教科書　機械学習の基本から深層学習まで』，（翔泳社，2018）
• その他、講義中に紹介する。

６．関連科目

次の科目を履修済、または同時に履修することが望ましい

• 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。