エントリーの編集
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント1件
- 注目コメント
- 新着コメント
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
データサイエンス履修の手引き概要 | 東京大学 数理・情報教育研究センター
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... 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
2023/02/03 リンク