|
|||||
※学期中に内容が変更になることがあります。 | |||||
2023年度
(木曜日4講時)
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
<概要/Course Content Summary> 私たちを取り巻く文化現象,社会現象,自然現象は複雑である。複雑な現象を1つの変数によるデータや関数で理解することは不可能であり,現象の解析には,多変量や多変数関数が必要になる。線形代数を学ぶことで,2つ以上の変数をもつデータや関数を容易に取り扱うことができるようになる。データサイエンスにおいては,ベクトル空間,固有ベクトル,特異ベクトルなどを理解すれば,最小二乗法,フーリエ変換,統計におけるLASSO,ニューラルネットワークの深層学習における確率的勾配降下法などの応用に対応できる。また,差分方程式や微分方程式を用いた数理モデルにおいても行列として記述することで解析や理解が容易になる。 <到達目標/Goals,Aims> 行列の基本的な概念を理解し,基本的な計算ができる。 <授業計画/Schedule>
<成績評価基準/Evaluation Criteria>
<成績評価結果/Results of assessment> 成績評価の見方について/Notes for assessment
<テキスト/Textbook>
<参考文献/Reference Book>
線形代数の書籍はたくさんあります。データサイエンスの手法を詳しく学びたい人は,さらに多くの線形代数の内容を必要としますので,他の書籍も参考にしてください。 <備考/Remarks> 利用するツール: e-class |
|
お問合せは同志社大学 各学部・研究科事務室まで
|
Copyright(C) 2023 Doshisha University All Rights Reserved. 無断転載を禁止します。 |