大学間コンソーシアム | 東京大学 数理・情報教育研究センター
数理・データサイエンス・AI教育強化拠点コンソーシアム MIセンターは、2022年度政府予算に盛り込まれた「数理・データサイエンス・AI教育の全国展開の推進」事業の東京大学における実施主体です。 同事業で選定された29大学（拠点校11大学、特定分野校18大学）のコンソーシアムの幹事校として、大学、産業界、研究機関等と幅広くネットワークを形成し、地域や分野における先進的教育モデルの拠点として、数理・データサイエンス・AIの実践的教育の全国普及に努めます。 同時に、この分野を牽引できる国際競争力のある人材および産学で活躍できるトップクラスのエキスパート人材の育成を目指します。 [コンソーシアムホームページ] 数理・データサイエンス・AIの活用事例動画 本動画集は数理・データサイエンス・AIリテラシーレベル教材の導入となるような活用事例を収集したものです。数理・データサイエンス・AIリテラシーレ
1-4_データ・AI利活用のための技術
1-4 データ・AI利活用のための技術 1 東京大学 数理・情報教育研究センター 久野遼平 2020 CC BY-NC-SA 東京大学 数理・情報教育研究センター 2020年5月11日 概要 データサイエンスやAI利活用の現場ではどういう技術が用いられる のでしょうか？ ここでは基本的なものを見ていくことで、データ・AIを活用するた めに使われている技術の概要を知ることを目標とします 2 東京大学 数理・情報教育研究センター 久野遼平 2020 CC BY-NC-SA 本教材の目次 1. データの1次分析と可視化 2. データ利活用のための技術 3. ビッグデータとAI 4. 参考文献 3 4 11 14 18 東京大学 数理・情報教育研究センター 久野遼平 2020 CC BY-NC-SA 1-4-1 データの1次分析と可視化 4 東京大学 数理・情報教育研究センター 久野遼平
数理・データサイエンス関連教材 | 東京大学 数理・情報教育研究センター
複素１変数の微積分 複素関数論は数学の様々な局面で使われるきわめて強力な理論である．本講義では複素数平面，複素関数の微分，複素関数の積分とコーシーの定理といった複素関数論の基礎について解説を行う． 主な内容は ◎複素数平面 ◎リーマン球面と1次分数変換 ◎ベキ級数 ◎複素関数の微分と積分 ・正則関数，コーシー・リーマン方程式，コーシーの積分定理 ◎コーシーの積分公式とその応用 ・ベキ級数展開，リウヴィルの定理，最大値原理，代数学の基本定理 ◎調和関数とポアソンの公式 ◎有理形関数 ・ローラン展開，孤立特異点，無限遠点 ◎留数 ・定積分への応用，ルーシェの定理，逆写像定理 複素解析学I-1 複素解析学I-2 複素解析学I-3 複素解析学I-4 複素解析学I-5 複素解析学I-6 複素解析学I-7 複素解析学I-8 複素解析学I-9 複素解析学I-10 複素解析学I-11 複素解析学I-12
データサイエンス履修の手引き概要 | 東京大学 数理・情報教育研究センター
データサイエンスを学ぶには、そのための基礎として、数理系科目（解析・線形代数）、統計系科目（確率・統計）、情報技術系科目、プログラミング系科目を履修する必要があります。科目系統の説明はこちら このページでは、前期課程と後期課程の主要な科目を図示し、これらの科目間の関係を明らかにしています。さらに、機械学習・データマイニングをゴールとして、いくつかの履修パターンを示しています。 前期課程だけでも、後期課程からでも、大学院に入学してからでも、様々な方法でデータサイエンスを学ぶことができます。履修の参考にしてください。 以下の図は、それぞれの系統の主要な科目と、数理・情報教育研究センターが提供するデータサイエンス分野の科目を示しています。各講義からはより詳細な説明を表示します。 図中の科目名をクリックすると各科目の詳細な説明が表示されます。 開講時期：S 文科理科を問わない必修科目である。 前提
情報教育コンテンツリンク集 | 東京大学 数理・情報教育研究センター
応用情報 確率過程 数理手法VI 工学部の数理手法VI（確率過程）の授業のビデオおよび講義スライドをOCWxから公開しています。 時系列解析 数理手法Ⅶ 工学部の数理手法Ⅶ（時系列解析）の授業のビデオおよび講義スライドをOCWxから公開しています。 多変量解析 統計データ解析Ⅱ 前期課程の統計データ解析Ⅱの授業のビデオおよび講義スライドをOCWxから公開しています。 機械学習・データマイニング データマイニング入門 理学部のデータマイニング入門（現在のデータマイニング概論）の授業のビデオおよび講義スライドをOCWxから公開しています。ノートブックはこちらから公開しています。 Binderで実行可能です。 Deep Learning基礎講座演習 東京大学で開催中のDeep Learning基礎講座のコンテンツ（ノートブック）を無償公開しています。 情報数理科学VII 教養学部の情報数理科学V
4-4_時系列データの解析
4-4. 時系列データの解析 東京大学 数理・情報教育研究センター 東京大学 数理・情報教育研究センター 北川源四郎 2020 CC BY-NC-SA 東京大学 数理・情報教育研究センター 4-4 時系列データ解析 東京大学 数理・情報教育研究センター 2020年5月11日 4-4. 時系列データの解析 東京大学 数理・情報教育研究センター 東京大学 数理・情報教育研究センター 北川源四郎 2020 CC BY-NC-SA 東京大学 数理・情報教育研究センター 概要 • 本節では，まず時系列とは何か，時系列データ解析の⽬的は何か など時系列データ解析の概略について学びます． • 次に，時系列データがもつトレンド，周期性，季節性，ノイズに ついてその意味を学ぶとともに、移動平均，階差などによる情報 抽出の⽅法とスペクトや相関関数による特徴可視化を学びます． • さらに，時系列モデルを⽤いた予
リテラシーレベルeラーニング教材・講義動画配信 | 数理・データサイエンス・AI教育強化拠点コンソーシアム
リテラシーレベルモデルカリキュラム対応教材 利用条件とアンケート 東京大学と記載のあるスライド教材の利用についてはこちら（一部スライドは冒頭の利用条件をご参照ください）。 東京大学と記載のある講義動画の利用条件は、各動画の冒頭をご参照ください。 滋賀大学と記載のある教材の利用条件はCC BY-NC-SAです。 九州大学と記載のある教材の利用条件はCC BYです。 筑波大学と記載のある教材の利用条件についてはこちら 北海道医療大学と記載のある教材の利用条件はCC BYです。 東京都市大学と記載のある教材の利用条件についてはこちら 教材のアンケートはこちら モデルカリキュラムと対応する講義動画・スライド 1. 社会におけるデータ・AI利活用 2. データリテラシー 3. データ・AI利活用における留意事項 4. オプション 1. 社会におけるデータ・AI利活用 1-1. 社会で起きている変化
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
