担当講義一覧（川嶋宏彰）

兵庫県立大学社会情報科学部にて川嶋の担当する講義です．

科目間のつながりの図はこちら．

クリックできる科目名からは，詳細なトピックを確認できます．資料の確認には，Google Classroomや講義中に配布されるパスワード，もしくはLMS（ユニバーサルパスポート）でのログインが必要です．

• 社会情報科学概論（1年前期）
  • データの収集：データはどこから来るのかについて，ビッグデータの4V (Volume, Variety等) や，各種センサやログについて実例とともに学びます．
  • データと統計：統計学の概要（推測統計，eStatなどの利用可能なデータの紹介）を，A/Bテスト体験など実例とともに学びます．(2024年度まで)
  • データとプログラミング：じゃんけんゲームの作成を通じて，プログラミングの考え方を一通り体験するとともに、データ収集とログ解析につなげます．
  • データと機械学習：人工知能で用いられる機械学習の概要（教師あり学習，教師なし学習，強化学習）について学びます．
  • 参考ソースコード
• 確率・統計（1年後期） (-2024年度)
  • 前期「統計学」の続きで「推測統計」を中心に学びます．
    • ただし「統計学」の内容も含みますので，「統計学」受講済みの方は最初の5回は復習になります．
  • 多くの回では，Rコマンダーを用いて可視化やシミュレーション（検定の背後にある考え方の理解），推測統計の演習を行います．
  • t検定，分散分析，相関分析，回帰分析などが範囲になります．
• データ分析演習（2年前期）
  • Python の NumPy や Pandas の基礎を学び実データでも演習を行います．
  • Excel のピボットや R での統計検定についても簡単な演習を行います．
  • 企業の実際のデータを用いて総合演習を行います．
• PBL演習2（2年後期）
  • 企業と連携してデータ分析から提案，プレゼンまでを演習します．
• 機械学習（3年前期）
  • 機械学習について基礎から深層学習まで学びます（機械学習の雰囲気）．
  • 各回の復習に Python notebookの演習資料（スライド内にリンク）や副教材（HPとLMSで配布）を活用できます．
  • 動画一式
    • 第1回: https://vimeo.com/699644823 （概要、kNN）
    • 第2回: https://vimeo.com/700419382 （確率モデル）ベイズの定理
    • 第3回: https://vimeo.com/702726831 （回帰モデル）正則化，ロジスティック回帰
    • 第4回: https://vimeo.com/705261555 （分類モデル）決定木，SVM
    • 第5回: https://vimeo.com/707759454 （アンサンブル学習）評価指標，Bias/Variance，RF，Boosting
    • 第6回は演習資料（スライドとノートブックを確認してください）
    • 第7回: https://vimeo.com/713897102 （ニューラルネットの基礎）
    • 第8回: https://vimeo.com/715181756 （ディープラーニング）
    • 第9回: https://vimeo.com/717467539 （演習2: ディープラーニング）
    • 第10回: https://vimeo.com/719731319 （畳み込みニューラルネット）
    • 第11回: https://vimeo.com/722151182 （演習3: 畳み込みニューラルネットとGrad-CAM）
    • 第12回: https://vimeo.com/724462286 （生成モデル）
    • 第13回: https://vimeo.com/726608688 （系列データを扱うモデル）
    • 第14回: https://vimeo.com/728787899 （強化学習）
• 社会データ分析（3年前期）(-2025年度)
  • 社会での活動で得られる様々なデータの分析手法を学びます．
  • カメラやセンサ，IoT，情報理論，画像処理，信号処理の概要を学びます．
  • 講義内容
    1. 実社会におけるセンサデータ分析の概要
       • マイコンやシングルボードコンピュータ
       • 各種センサの仕組み１ ～加速度センサや距離センサなど～
    2. 各種センサの仕組み
       • 各種センサの仕組み２ ～カメラ～
    3. センサによるデータ収集の仕組み
       • 通信（LPWA，Bluetooth，Zigbeeなど）
       • 情報理論と符号化（圧縮や周波数帯域の話など）
    4. センサデータの信号処理と特徴抽出
       • 信号処理，画像処理，フーリエ変換など
    5. センサデータ分析の応用事例
       • クラウドサービスなども様々なセンサデータの分析
• 研究演習2（3年後期）
  • 3つのコースから選択して研究や開発に実際に取り組みます．
    • Aコース: 深層学習，各種画像処理や認識，生成AIなどを組み合わせ，独自の LINE Bot を各自作成します．
    • Bコース: 機械学習やコンピュータビジョンをはじめとした研究に取り組みます．
    • Cコース: オープンデータやコンペティション参加などを通じて，データ分析や機械学習の精度を競います．

Links

• 研究室HP