授業の概要（ねらい）

　データサイエンスの基礎となる数学として、線形代数、微分積分、確率、記述統計、推測統計の基礎知識を身につけるとともに、それらをデータの分析に応用できる力、関連分野の教科書や論文を読むための力を身につけることを目標とします。
　線形代数では、行列、１次変換、行列式、逆行列、連立１次方程式、固有値と対角化を扱います。微分積分では、導関数、平均値の定理、テイラー展開、定積分、偏導関数、多変数関数の極値の判定、重積分を扱います。確率では、確率の定義、条件付き確率、ベイズの定理、確率変数、分布関数、確率変数の特性値、チェビシェフの不等式、大数の法則、中心極限定理を扱います。記述統計では、平均値、分散、相関係数、回帰分析を扱い、推測統計では、母集団と標本、標本分布、不偏推定量、区間推定、仮説の検定、母平均の検定を扱います。
　この科目は、ディプロマ・ポリシーＤＰ１に関連する科目です。

授業の到達目標

　線形代数の基礎知識を身につける。　
　微分積分の基礎知識を身につける。
　確率の基礎知識とそれらをデータの分析に応用できる力を身につける。
　記述統計、推測統計の基礎知識とそれらをデータの分析に応用できる力を身につける。

成績評価の方法および基準

　レポートを８割、演習問題の解答を２割の割合で考慮して成績を評価します。全体の６割以上の得点を合格とします。

教科書・参考文献

準備学修の内容

　本科目の内容は、理工系大学の初級レベルの数学として複数の科目で学ぶ内容を纏めたものです。高等学校レベルの数学の知識を事前に準備して下さい。

その他履修上の注意事項

　特になし。

授業内容