B3102
確率
PROBABILITY 		基盤科目-データサイエンス科目-データサイエンス１
Fundamental Subjects - Subjects of Data Science - Data Science 1
2 単位
実施形態 完全オンライン
開催日程 秋学期 金曜日３時限
担当教員 林 邦彦（ハヤシ クニヒコ）
関連科目
開講場所 SFC
授業形態 講義
履修者制限

履修人数を制限する

受入学生数（予定）：約 250 人
2020年度秋学期開講のデータサイエンス1では、特殊な「システムによる選抜（抽選）」を行います。通りたい度は設定できず、通りたい度を設定する通常の「システムによる選抜（抽選）」にも影響しません。また、2020年度9月入学の新入生はデータサイエンス1の授業が複数許可されることがないように抽選されます。

◯エントリー〆切日時：2020年9月28日（月） 17:00
◯履修許可者発表日時：2020年9月30日（水） 17:00

Only the selected students can take this course.
Number of students in the class (scheduled) : About 250

A special "Automatic Screening (Lottery)" is applied for Data Science 1 Courses in the Fall Semester 2020. Students cannot set Course Preferences for these courses and it won't affect an ordinary "Automatic Screening (Lottery)", which students set Course Preferences. The students entered in September 2020 will not be permitted for more than one class of Data Science 1.

* Entry deadline : September 28, 2020 (Mon) 17:00
* Screening result announcement : September 30, 2020 (Wed) 17:00
履修条件

 

 

「データサイエンス基礎」の単位を修得していること。またはデータサイエンス科目認定試験に合格していること。

In order to register the Subjects of Data Science, students need to earn credits for "Basics of Data Science" or pass the "Data Science Qualification Examination"
使用言語 日本語
連絡先 kunihiko@sfc.keio.ac.jp
授業ホームページ
同一科目

 

 
学生が利用する予定機材/ソフト等

 

 
設置学部・研究科 総合政策・環境情報学部
大学院プロジェクト名

 
大学院プロジェクトサブメンバー

 

 
ゲストスピーカーの人数 0
履修選抜・課題タイプ=テキスト登録可 false
履修選抜・選抜課題タイプ=ファイル登録可 false
GIGAサティフィケート対象
最終更新日 2020/08/25 13:07:19

科目概要

前半で集合論理や命題論理など論理的な思考の基礎を学ぶ。後半では確率論を学ぶ。高校で習った順列や組み合わせを復習し、確率の基礎から高校の教科書にはないベイズの定理まで学習する。高校の数学とは趣が異なるので、公式を覚えたり、計算が不得意でも問題ない。数学が得意な学生、不得意な学生も楽しく勉強できる。

In the first half we study set theory and mathematical logic. These are useful of logical thinking. In the latter half we study probability. We overview permutation and combination, which you have learned at high school, and then, we study probability. Our goal is Bayesian Theory. This is new for all. Mathematics in university is different from one in high school. Even if you are no good at calculation and memory, you have a chance to enjoy mathematics in university.

授業シラバス

主題と目標／授業の手法など

高校の習った数学のように、データサイエンスではいろいろな記号や式が表れます。それらに慣れるのが前半の目標です。とくに論理的な思考とは何かをきちんと学びます。後半は確率論です。難しく考えず、最初は場合の数を数えることから始めます。確率、条件付き確率を学び、最後にベイズの定理を学びます。これはベイズ統計学と呼ばれる統計学の基礎となる定理です。情報社会において非常に有用な理論ですのでしっかりと学んでください。

Like high school mathematics, various symbols and formulas appear in data science. Getting used to them is the goal in the first half. Especially, you learn what is logical thinking. In the second half you learn probability theory. Started by counting the number of cases. you learn probability, conditional probability, and finally, Bayes' theorem. This is a fundamental theorem in statistics called Bayesian statistics. It is a very useful theory in the information society.

教材・参考文献

とくに指定しませんが、随時、授業時間に紹介します。

提出課題・試験・成績評価の方法など

担当者により異なるので初回授業で確認すること。基本的には中間試験、期末試験、出欠などによる評価であるが、担当者により、中間試験を実施しない場合や、出欠はとらないが、出欠状況が悪くなれば、出欠を取ることもある。また期末試験を授業内に行う場合もある。

Evaluation depends on teachers. Basically, evaluation by the midterm examination, the final examination and attendance. But some teachers cancel the midterm exam and no mark absence, but, if the attendance is getting worse, they call the roll. Please ask your teacher for the details first time. In some cases, the final exam is held in the last 12th class.

履修上の注意

この科目は、入学後４学期以上在学（休学期間を除く）し、データサイエンス１の単位（２単位）を未取得の学生を優先して選抜します。

Students who have been enrolled more than four semesters (excluding leave of suspension) and have not received Data Science 1 credits (2 credits) will be selected preferentially.

授業計画

第1回 講義の概略
[Overview of Lecture]

 

 

 

 

第2回 集合演算
[Set Operations]

 

 

 

 

第3回 命題論理1
[Propositional Logic 1]

 

 

 

 

第4回 命題論理2
[Propositional Logic 2]

 

 

 

 

第5回 順序集合と束1
[Ordered Set 1]

 

 

 

 

第6回 順序集合と束2
[Ordered Set 2]

 

 

 

 

第7回 場合の数−順列
[Ways of Counting - Permutations]

 

 

 

 

第8回 場合の数−組み合わせ
[Ways of Counting - Combinations]

 

 

 

 

第9回 確率
[Probability]

 

 

 

 

第10回 条件付き確率
[Conditional Probability]

 

 

 

 

第11回 ベイズの定理
[Bayes' Theorem]

 

 

 

 

第12回 期待値
[Expectations]

 

 

 

 

第13回 束論
[ Lattice Theory]

 

 

 

 

第14回 発展 サンクトぺテレブルグのパラドックス
[Expansion: St. Petersburg paradox]

 

 

 

 

第15回 まとめとQ＆A
[Wrap Up and Q&A]

 

 

 

 

15回目に相当するその他の授業計画

* まとめ