サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
Pixel 9
www.mi.u-tokyo.ac.jp
3 . 8 2- 0 8 2- 0 3 . 8 2- 0 5411 2- 0 • • - 4 4 . . 4 • . • - 4 4 - 4 2- 0 9 70 6 7 9 70 6 7 0 947 0 0 1 3 5 8 1 3 5 0 2 - . - . 2- 0 . 4 - 4 - . • A Y 5 / • . 5 S / • C. B . 9 . . A 4. S B A / • S . A A 4 5 42 /5A / • C. 4 A B B . 4 / S 0 N 1 - . 1 -40 1 -40 . 5 • - A • B2 0 1 • A B2 Y C Y S N - 0 . 1 0 . 1 - • B 2 e BC A ( =B A • B SN B e BC SN A ( =B A 6SN 10 8 B A e A e 4 SN Y e 5 t -) 7- 4 .
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
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
応用基礎レベルモデルカリキュラム対応教材 利用条件 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。 モデルカリキュラムと対応する講義動画・スライド 1. データサイエンス基礎 2. データエンジニアリング基礎 3. AI基礎 1. データサイエンス基礎 1-1. データ駆動型社会とデータサイエンス(☆) キーワード 数式なし または 少なめ 数式あり 補助教材 教科書シリーズとの対応
東京大学で公開している情報分野のe-learning教材や授業ページを紹介しています。東京大学の教員が関わったコンテンツを中心にしていますが、一部、海外の著名なコンテンツも含めました。 情報分野の自習に際に活用してください。 以下は情報教育の俯瞰図です。下の方には数学・統計を含む基礎分野、上の方には応用分野が示されています。分野を示す長方形をクリックしてください。(教材を参照している分野はクリックできます。)
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
カリキュラム分科会では、モデルカリキュラム検討の基礎とする観点から、欧米の動向等も参考としつつ、2019年11月に 第1次報告 として、リテラシーレベルのスキルセット及び学修目標を整理しました。 なお、第1次報告は、統計検定® データサイエンス発展(CBT)において準拠されています。 第2次報告 は、これに引き続き、第1次報告を包含しつつ、主に中級レベル、そしてさらに上級レベルへの橋渡しとなるべく、それと同時に「AI戦略2019」に掲げられた「応用基礎レベル25万人/年」から「エキスパート2,000人/年」への橋渡しとなるべく、より高次のスキルセットを網羅的に示したものであり、データサイエンス教育の強化・充実を推進する学部等を想定した内容になっています。 なお、第2次報告は、統計検定® データサイエンスエキスパート(CBT)において準拠されています。
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
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
モデルカリキュラム (リテラシーレベル) 数理・データサイエンス・AI教育強化拠点コンソーシアムでは、 「大学の数理・データサイエンス教育強化方策について」(平成28年12月21日 数理及びデータサイエンス教育の強化に関する懇談会)及びAI戦略2019(令和元年6月11日 統合イノベーション戦略推進会議)等の提言を踏まえ、 データサイエンス教育の全国の大学への普及・展開に向けた活動を実施してまいりました。 分野を問わず、全ての大学・高専生(約50万人卒/年)を対象にしたリテラシーレベルの教育の基本的考え方、学修目標・スキルセット、教育方法等について、意見募集を経て、この度、「数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム ~ データ思考の涵養 ~」として取りまとめましたので、以下のとおり公開します。 数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム ~
News 数理・データサイエンス・AI教育強化拠点コンソーシアムでは,会員校を公募しています. 詳細ページ 連携校として国立大学もご参加いただけるようになりました。 2023.9.8 名古屋大学 数理・データ科学教育研究センター長 武田 一哉 教授 のインタビュー記事を掲載しました. 2023.6.3 コンソーシアムの ニュースレターvol. 18 を掲載しました. 2023.5.9 東北大学データ駆動科学・AI教育研究センター長 早川 美徳 教授 のインタビュー記事を掲載しました. 2023.1.31 コンソーシアムの ニュースレターvol. 17 を掲載しました. 2023.1.25 特定分野会議(理工系)ページを開設しました。成果物として、応用基礎レベルモデルシラバス(理工系)等を掲載しています。 2022.12.16 神戸大学 数理・データサイエンスセンター長 小澤 誠一 教授 の
全体の165科目 履修・修了証申請のための要件 [対象] 学部後期課程の学生(3~4年生)が対象ですが、大学院学生も各研究科の規則の範囲で履修できます。 [履修] 合計で12単位以上を取得した学生に修了証を交付します。個別の科目のみを履修することも歓迎します。 [分野と志向] 多くの科目の中から履修科目を適切に選択するための2つの指標が示してあります。 分野区分 : A=数理科目、B=統計・データサイエンス科目、C=情報・プログラミング科目 志向区分 : I=一般科目、II=アドバンスト科目、III=目的志向科目(専門性が高い科目) 注意事項: (1)本プログラムは学部後期課程科目にのみ適用されます。教養学部前期課程における科目は対象とはなりません。 (2)2019年から本プログラムに多くの科目が加わりました。それらのいくつかは、2018年にも開設されていますが、本教育プログラムの対象科目
News 数理・データサイエンス・AI教育強化拠点コンソーシアムでは,会員校を公募しています. 詳細ページ 2023.9.8 名古屋大学 数理・データ科学教育研究センター長 武田 一哉 教授 のインタビュー記事を掲載しました. 2023.6.3 コンソーシアムの ニュースレターvol. 18 を掲載しました. 2023.5.9 東北大学データ駆動科学・AI教育研究センター長 早川 美徳 教授 のインタビュー記事を掲載しました. 2023.1.31 コンソーシアムの ニュースレターvol. 17 を掲載しました. 2023.1.25 特定分野会議(理工系)ページを開設しました。成果物として、応用基礎レベルモデルシラバス(理工系)等を掲載しています。 2022.12.16 神戸大学 数理・データサイエンスセンター長 小澤 誠一 教授 のインタビュー記事を掲載しました. 2022.9.12 コン
このページを最初にブックマークしてみませんか?
『東京大学 数理・情報教育研究センター』の新着エントリーを見る
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