[CampusSquare]

1.0 単位, 2 年次, 春AB 月2
奈佐原顕郎

授業概要

生物資源科学に必要な数学（確率統計・線型代数・ベクトル解析・機械学習等の基礎理論）を学ぶ。

備考

基幹科目
各自のコンピュータを用いて行う。LinuxとPython3を使うので, それらに習熟しておくこと。
オンライン(同時双方向型)

授業方法

講義

学位プログラム・専門コンピテンスとの関係

1. 体系的な専門知識, 2. 専門の基礎となる教養, 5. 問題意識の醸成力

授業の到達目標(学修成果)

1. 体系的な専門知識: 線型代数・統計学・機械学習を学ぶ。
2. 専門の基礎となる教養: 計算機言語Pythonを用いて数値計算の考え方を学ぶ。
5. 問題意識の醸成力: 問題解決のためのプログラミングのスキルと経験を養う。

キーワード

線型代数, 統計学, 機械学習, ベクトル解析

授業計画

- まず, 「EC12371 統計学入門」と連携して, 統計学の基礎を学ぶ。次に, 線型代数と統計学のつながりを学ぶ（主成分分析）。それらと基礎数学で学んだ多変数の微分（ベクトル解析）を使って, 機械学習の基礎と実践を学ぶ。
- 1年次「基礎数学」の続編である。グループワークに参加し、助け合い学び合うこと。

第1回	ガイダンス・Python環境の確認とPythonプログラミングの復習・確率
第2回	確率（ライブ講義大学1年生のための数学入門第13章）
第3回	統計学（ライブ講義大学1年生のための数学入門第14章）
第4回	演習・小テスト
第5回	線型代数と統計学: 対称行列・分散共分散行列・直交行列（ライブ講義大学生のための応用数学入門第3章）
第6回	線型代数と統計学: 主成分分析（ライブ講義大学生のための応用数学入門第3章）
第7回	機械学習入門: Pythonプログラミングとscikit-learn
第8回	機械学習入門: 最尤法とサポートベクターマシン
第9回	機械学習入門: ニューラルネットワーク
第10回	機械学習入門: 畳み込みニューラルネットワーク(CNN)と発展(YOLO等)

数学（特に微積分, 線形代数, 集合・論理）は統計学に必要である。この授業ではそれを学ぶ。同時期に開講される「統計学入門」をしっかり理解することができるだろう。その成果は機械学習（人工知能）につながる。機械学習は近年急速に発展普及しつつある技術であり, 農学や環境科学にも, ゲーム・チェンジというほどの変革をもたらしている。生物資源学類では, 農林生物, 応用生命化学, 社会経済, 環境工学のどのコースでも, 機械学習を必要とする研究テーマがある。機械学習を理解するには, それなりの数学的素養が必要だが, 生物資源学類の諸君は1年次の基礎数学で相当の積み上げをしている。そこに確率・統計学を無理なく積み増すことで, 「機械学習がわかる・使える資源生」になろう。

履修条件

1年次基礎数学を履修したもの, もしくは同等以上の学力を有すること。
プログラミングやってみようかなという興味・意思を有すること。
Python3が使える環境を用意しておくこと。自分のパソコンにインストールできない場合は, Google Colaboratoryを使えばよい。

成績評価方法

レポートと小テスト。（期末テストは行わない）

学修時間の割り当て及び授業外における学修方法

授業時間の2倍の自習をすること。レポート課題を課す。

教材・参考文献・配付資料等

1, 2は授業で必要である（1年次「基礎数学」の教科書をそのまま使えばよい）。3は機械学習の入門書。安価で手軽。授業はおそらくこの本を踏まえて行う。4 は機械学習の計算機OSの主流であるLinuxの入門書（拙著）。5は機械学習の実習に必要なPythonを学ぶ入門書。Pythonの入門書は他にもたくさんあるが, 私はこれが好き。ただしこれに限定はしない。自分に合った入門書を1冊, ゲットしておくこと。

1. 「ライブ講義大学1年生のための数学入門」講談社	https://www.tulips.tsukuba.ac.jp/search/?q=9784065146750
2. 「ライブ講義大学生のための応用数学入門」講談社	https://www.tulips.tsukuba.ac.jp/search/?q=9784065212967
3. 「Raspberry Piではじめる機械学習　基礎からディープラーニングまで」講談社ブルーバックス
4. 「入門者のLinux 素朴な疑問を解消しながら学ぶ」講談社ブルーバックス	https://www.tulips.tsukuba.ac.jp/search/?q=9784062579896
5. 「みんなのPython」	https://www.tulips.tsukuba.ac.jp/search/?q=9784797389463

オフィスアワー等(連絡先含む)

奈佐原顕郎　
nasahara.kenlo.gw@u.tsukuba.ac.jp http://pen.envr.tsukuba.ac.jp/~nishida/

シラバス参照

EC23011 実用解析I