はてなブックマーク

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

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

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

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

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

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