Society5.0に対応した高度技術人材育成

enPiT everi 社会人向け「人工知能・ロボット・IoT」に関する短期講義・演習プログラム

MENU

科目一覧

R言語でデータの前処理・可視化・分析を実践する

データ解析

  • 基盤
  • 講義
         
科目名 データ解析
科目名(英名) Data Analysis
担当講師(氏名・所属) 藤野友和(福岡女子大学)
分類 選択
授業形態 講義

VOD

任意の時間にパソコンからインターネット接続にて(自宅や職場などから)受講します。
時数 8コマ
時間数(コマ数✕1.5) 12時間
授業の概要 この講義では、データ解析の基礎を学ぶ。データを入手してから、前処理、可視化を行い、目的とデータに応じた基本的な統計解析手法を適用するまでの、各段階において必要となる知識、理論について解説する。また、統計解析ソフトウェアRの利用方法についても説明し、これを用いて演習を行う。
到達目標 統計解析ソフトウェアを利用して、与えられたデータに基本的な統計解析手法が適用できるようになること。また、結果を適切に解釈できるようになること。
難易度 ★★
分野別難易度(前提知識) 数学:★
プログラミング:★★
(一部演習あり)
履修上の注意
(準備学習・前提知識)
・高校程度の数学の知識、およびプログラミングの経験があることが望ましい。
・演習を行うためのPCを準備しておく(OSは問わない)。
授業計画・内容 1. Introduction
  講義の概要と目的/ データの尺度水準について/
  統計解析環境Rの概要・セットアップ・基本文法
2. データの前処理と可視化
  dplyrパッケージを利用したデータの前処理
  ggplot2パッケージを利用したデータの可視化
3. 確率変数と確率分布
  確率変数と確率分布/正規分布と二項分布/
  標本分布と統計的推測/乱数を用いた理論の確認
4. 予測手法(1) 回帰分析
  単回帰分析/重回帰分析/重回帰分析における変数選択
5. 予測手法(2) ロジスティック回帰分析と決定木
6. 分類手法 クラスター分析
  階層型クラスター分析/非階層型クラスター分析
7. 要約手法 主成分分析
  線形代数の復習/主成分分析
8. まとめとその他の手法の概要
  ニューラルネット/テキスト分析/統計モデリング
事前・事後学習の内容 毎回の講義で課題を与える
成績評価の方法 提出された課題により評価する
教科書・参考書等 ・独自の資料を提供する
・「Rによるデータマイニング入門」:山本・藤野・久保田[著] オーム社
キーワード データ解析、可視化、予測、分類、データマイニング