Grade１ 前期 必修総合
担当教員: 森河良太、西田洋平、野口瑶
概要: 受講者は自身のノートパソコンを持参し、学内LANに接続できる講義室で実習を含む授業を受けます。これにより、自然科学やSociety 5.0におけるコンピュータの役割と重要性を理解し、生命科学でのICT活用のためのデータサイエンスの基礎スキルを習得します。また、人間とICTの本来あるべき関係についても考察します。
| 回数 | トピック | 概要 |
|---|---|---|
| 11 | 化学構造式の描画ツールの活用 | ChemDrawをノートパソコンにインストールできる。オープンデータから化合物情報を検索し、化学構造式を描画する。 |
| 12 | AIの活用に向けたコマンドラインによるファイル操作 | CUIテキストエディタを使用することができ、また自身の利用に合わせたカスタマイズができる。 |
| 13 | データサイエンスを行うためのパッケージ管理システムの活用 | 生命科学研究やデータサイエンスに役立つツールをインストールできる。自身の利用しているシェルの設定ファイルを編集することができる。 |
| 14 | プログラミングによる実験データの解析 | インタプリタ型言語(Python)の開発環境を構築し、実験データをもとに、誤差棒を含む散布図を描画できる。 |
Grade１ 後期 選択総合（教職必須）
担当教員: 森河良太、西田洋平、野口瑶
概要: 受講者はUnix系OSを搭載したノートパソコンを持参し、学内LANに接続できる講義室で実習を含む授業を受けます。授業では、データサイエンスの知見を基にコンピュータの生命科学における役割を理解し、大規模データ分析に活用できるスキルを身につけます。Pythonを用いたプログラミングの基礎、ターミナル操作、計算科学のためのアルゴリズムを学び、生命科学研究に役立つコンピュータサイエンスの基礎的な技術を習得します。
| 回数 | トピック | 概要 |
|---|---|---|
| 10 | 機械学習入門：教師あり学習と教師なし学習 | 人工知能の歴史、社会変革、課題について説明でき、AIとビッグデータの関係や特化型AIと汎用型AIについて理解する。また、AIの最新技術の活用例や仮説検証サイクルについて説明でき、教師あり学習と教師なし学習の違い、モデル選択における精度と過学習、汎化性能についても説明できる。 |
| 11 | 教師なし学習: 次元削減 | 主成分解析によって複数の化合物データセットの物性値の違いを説明する。 |
| 12 | 教師なし学習: クラスタリング | k平均法のアルゴリズムを理解し、それに基づきプログラミングを行う。 |
| 13 | 教師あり学習: 分類 | 決定木、ランダムフォレスト、SVMなど複数のモデルを作成できる。混同行列を用いて計算した4つの指標から、分類モデルの予測精度について説明することができる。ホールドアウト法や層化k分割交差検証を用いて汎用性の高いモデルを選択することができる。 |
| 14 | 教師あり学習: 回帰 | 線形回帰である最小二乗法とRidge回帰のパラメータ推定のための式を理解し、それを基にプログラミングする。 |