Exercises in Predictive Modelling

開講年度

2025Year

開講学期

First Semester

科目名

Exercises in Predictive Modelling

授業種別

Practice

科目名（英語）

Exercises in Predictive Modelling

授業情報(授業コード・クラス・授業形態)

A2500021 Exercises in Predictive Modelling

担当教員

TAKEKAWA Takashi

単位数

1.0Credits

曜日時限

Wed.4Period

キャンパス

Shinjuku Remote

教室

.,A-1611 Izumi15

学位授与の方針

1 基礎知識の修得 0％
2 専門分野の知識・専門技術の修得 20％
3 汎用的問題解決力の修得 80％
4 道徳的態度と社会性の修得 0％

具体的な到達目標

・数理モデルにおける、モデル・パラメータ・変数の概念を説明できる・基本的なベイズ推定を用いた予測モデルの構築ができる・与えられた確率モデルをデータに適用することができる

受講にあたっての前提条件

「多変量解析」を修得していることが望ましい。「予測モデリング演習」を同時に履修すること。

授業の方法とねらい

確率モデルを用いて現在得られているデータに基づいて未知の情報を予測する手法を学ぶ。
特にベイズ推定の一般的な理論とMCMCによる適用方法について理解する。

AL・ICT活用

Project Based Learning／Discussion Debate／Interactive classes using ICT／Support for self-learning using ICT

第1回

授業形態

ハイブリッド

事前学習

教科書1,2章を予習する

2時間

授業内容

確率分布

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書3章を予習する

2時間

第2回

授業形態

ハイブリッド

授業内容

ベイズ推論

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書4章を予習する

2時間

第3回

授業形態

ハイブリッド

授業内容

MCMCによる分析の基礎

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書5.1節を予習する

2時間

第4回

授業形態

ハイブリッド

授業内容

正規分布モデル

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書5.2節を予習する

2時間

第5回

授業形態

ハイブリッド

授業内容

線形回帰モデル

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書5.3節を予習する

2時間

第6回

授業形態

ハイブリッド

授業内容

階層ベイズモデル

事後学習・事前学習

前半の授業全体を復習する。

4時間

第7回

授業形態

ハイブリッド

授業内容

学習成果の確認
　第6回までの内容について理解度を確認する

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書5.4節を予習する

3時間

第8回

授業形態

ハイブリッド

授業内容

潜在変数モデル

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書6.1節を予習する

2時間

第9回

授業形態

ハイブリッド

授業内容

ＡＢテスト

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書6.2節を予習する

2時間

第10回

授業形態

ハイブリッド

授業内容

効果検証

事後学習・事前学習

授業で示された演習問題に取り組む。
教科書6.3節を予習する

2時間

第11回

授業形態

ハイブリッド

授業内容

Item Response Theory

事後学習・事前学習

授業で示された演習問題に取り組む。
授業中に指示された内容について予習する。

2時間

第12回

授業形態

ハイブリッド

授業内容

ベイズ推論の手法について
・ＭＣＭＣ
・変分ベイズ

事後学習・事前学習

授業で示された演習問題に取り組む。
授業中に指示された内容について予習する。

2時間

第13回

授業形態

ハイブリッド

授業内容

発展
・予測モデルと意思決定の関係について
・DeepLearning等とベイズ推論の関係について

事後学習・事前学習

授業全体を復習する。

6時間

第14回

授業形態

対面

授業内容

学修到達度の確認
　　授業全体について理解度を確認する

事後学習・事前学習

授業で示された演習問題に取り組む。

3時間

第15回

授業形態

遠隔（オンデマンド）

授業内容

学習内容の振り返り

事後学習

各回の演習、期末試験の内容をまとめ直す。

3時間

成績評価の方法

試験と各回の課題を９：１で評価する。

試験については、授業内試験２回（第7回に中間試験、第14回に期末試験を行う）を
max(期末試験, 0.5 * 中間試験 + 0.5 * 期末試験) で評価する。
ただし、中間試験はレポート等の形式とする可能性がある。

受講生へのフィードバック方法

基本、授業中での質問を推奨し回答する。
それ以外に、Google フォーム等により随時質問を受け付け回答する。

教科書

赤石雅典「Python でスラスラわかるベイズ推論「超」入門」講談社
　ISBN978-4-06-533763-9

参考書

ウィル・カート「楽しみながら学ぶベイズ統計」SB Creative
　ISBN978-4-8156-0474-5

キャメロン・デビッドソン＝ピロン「Python で体験するベイズ推論」森北出版
　ISBN978-4-627-07791-1

M.D.リー&E.-J.ワーゲンメイカーズ「ベイズ統計で実践モデリング」北大路書房
　ISBN978-4-7628-2997-0

豊田秀樹「たのしいベイズモデリング」北大路書房
　ISBN978-4-7628-3040-2

豊田秀樹「たのしいベイズモデリング2」北大路書房
　ISBN978-4-7628-3083-9

オフィスアワー

木曜2限 A-1516．
それ以外の時間も質問は随時受け付けます．

受講生へのメッセージ

・Colaboratory を用いた演習を行います．
・受講人数や状況に応じて一部の授業を遠隔で行う可能性があります．
・予測モデリングと合わせて受講制限を行う可能性がるので，第１回の授業に必ず出席してください．

実務家担当科目

Applicable

実務経験の内容

確率モデルの構築と分析の経験がある教員が、実データに対する理論適用の経験を活かし、実践的なモデル構築について講義する。

教職課程認定該当学科

Department of Information Systems and Applied Mathematics／Department of Informatic Sciences

その他の資格・認定プログラムとの関連

Syllabus data