シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	医療データ解析学演習
時間割コード／Course Code	M229000296
ナンバリングコード／Numbering Code
開講所属／Course Offered by	医学研究科／
曜日コマ／Day, Period	他
開講区分／Semester offered	通年
単位数／Credits	2.0
学年／Year	1,2,3,4
主担当教員／Main Instructor	玉田　嘉紀／TAMADA YOSHINORI
科目区分／Course Group	大学院（博士課程）
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format
メディア授業／Media lecture	－

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Faculty/Department
玉田　嘉紀／TAMADA YOSHINORI	医学研究科／

難易度（レベル）／Level	レベル5
対応するＤＰ／DP	DP2
授業としての具体的到達目標／Concrete arrival target as the class	情報科学及び人工知能技術を用いて医療ビッグデータを解析するためのコンピュータ操作やプログラミングなどの基礎的な技術を身につけ、医学データ解析上の問題解決ができる能力を獲得する。
授業の概要／Summary of the class	Windows PC または Mac を用いて機械学習で標準的に用いられている Linux を学習する環境を構築し、基本的な操作を習熟する。その次に Python プログラミング環境を Jupyter Lab などを使用し構築し、10 回に渡りプログラミング演習を行う。次に R の実行環境を用意し、Rを用いた解析演習を行う。次に Jupyter Lab 上で、Pandas 及び Scikit-learn を用いた機械学習の演習を行う。最後にそれまでの技術を駆使して実データを用いた医療データ解析の演習を行う。
授業の内容予定／Contents plan of the class	第１回　Linux 演習（１）第２回　Linux 演習（２）第３回　Linux 演習（３）第４回　Linux 演習（４）第５回　Linux 演習（５）第６回　Python プログラミング演習（１）第７回　Python プログラミング演習（２）第８回　Python プログラミング演習（３）第９回　Python プログラミング演習（４）第１０回　Python プログラミング演習（５）第１１回　Python プログラミング演習（６）第１２回　Python プログラミング演習（７）第１３回　Python プログラミング演習（８）第１４回　Python プログラミング演習（９）第１５回　Python プログラミング演習（１０）第１６回　R 統計解析演習（１）第１７回　R 統計解析演習（２）第１８回　R 統計解析演習（３）第１９回　R 統計解析演習（４）第２０回　R 統計解析演習（５）第２１回　機械学習演習（１）第２２回　機械学習演習（２）第２３回　機械学習演習（３）第２４回　機械学習演習（４）第２５回　機械学習演習（５）第２６回　医療データ解析（１）第２７回　医療データ解析（２）第２８回　医療データ解析（３）第２９回　医療データ解析（４）第３０回　医療データ解析（５）
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	授業への参加度（６０点）および口頭試問（４０点）により評価する。
予習及び復習等の内容／Contents such as preparations for lessons and the review	各回の講義項目に対し参考書などを用いて予習し、授業実施後に復習を行うこと。
教材・教科書／The teaching materials, textbook	特に指定しない。
参考文献／bibliography	ヘネシー＆パターソン　コンピュータアーキテクチャ、翔泳社 T. コルメン、C. ライザーソン、R. リベスト　アルゴリズムイントロダクション第１〜３巻、近代科学社八谷大岳　ゼロからつくるPython機械学習プログラミング入門、講談社金明哲　Rによるデータサイエンス、森北出版鈴木譲・植野真臣編　確率的グラフィカルモデル、共立出版
留意点・予備知識／Point to keep in mind, back ground	特になし
授業内容に関する質問・疑義等／Question, doubt about class contents	月曜日１７時～１９時（要事前予約）
Eメールアドレス・HPアドレス／E-mail address, HP address	玉田嘉紀（ y.tamada@hirosaki-u.ac.jp ） https://ytlab.jp/mdi/
学問分野1（主学問分野）／Discipline 1	J62:応用情報学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3	J61:人間情報学およびその関連分野
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	ゼミナール方式で、配布資料やスライドプレゼンテーション、あるいはテキストを使って講義をする。
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	有／Yes
その他／Others	なし

No.	回（日時）／Time (date and time)	主題と位置付け（担当）／Subjects and instructor's position	学習方法と内容／Methods and contents	備考／Notes
該当するデータはありません

開講科目名／Course	医療データ解析学演習
時間割コード／Course Code	M229000296
ナンバリングコード／Numbering Code
開講所属／Course Offered by	医学研究科／
曜日コマ／Day, Period	他
開講区分／Semester offered	通年
単位数／Credits	2.0
学年／Year	1,2,3,4
主担当教員／Main Instructor	玉田　嘉紀／TAMADA YOSHINORI
科目区分／Course Group	大学院（博士課程）
教室／Classroom
必修・選択／Required/Elective
授業形式／Class Format
メディア授業／Media lecture	－

難易度（レベル）／Level	レベル5
対応するＤＰ／DP	DP2
授業としての具体的到達目標／Concrete arrival target as the class	情報科学及び人工知能技術を用いて医療ビッグデータを解析するためのコンピュータ操作やプログラミングなどの基礎的な技術を身につけ、医学データ解析上の問題解決ができる能力を獲得する。
授業の概要／Summary of the class	Windows PC または Mac を用いて機械学習で標準的に用いられている Linux を学習する環境を構築し、基本的な操作を習熟する。その次に Python プログラミング環境を Jupyter Lab などを使用し構築し、10 回に渡りプログラミング演習を行う。次に R の実行環境を用意し、Rを用いた解析演習を行う。次に Jupyter Lab 上で、Pandas 及び Scikit-learn を用いた機械学習の演習を行う。最後にそれまでの技術を駆使して実データを用いた医療データ解析の演習を行う。
授業の内容予定／Contents plan of the class	第１回　Linux 演習（１）第２回　Linux 演習（２）第３回　Linux 演習（３）第４回　Linux 演習（４）第５回　Linux 演習（５）第６回　Python プログラミング演習（１）第７回　Python プログラミング演習（２）第８回　Python プログラミング演習（３）第９回　Python プログラミング演習（４）第１０回　Python プログラミング演習（５）第１１回　Python プログラミング演習（６）第１２回　Python プログラミング演習（７）第１３回　Python プログラミング演習（８）第１４回　Python プログラミング演習（９）第１５回　Python プログラミング演習（１０）第１６回　R 統計解析演習（１）第１７回　R 統計解析演習（２）第１８回　R 統計解析演習（３）第１９回　R 統計解析演習（４）第２０回　R 統計解析演習（５）第２１回　機械学習演習（１）第２２回　機械学習演習（２）第２３回　機械学習演習（３）第２４回　機械学習演習（４）第２５回　機械学習演習（５）第２６回　医療データ解析（１）第２７回　医療データ解析（２）第２８回　医療データ解析（３）第２９回　医療データ解析（４）第３０回　医療データ解析（５）
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	授業への参加度（６０点）および口頭試問（４０点）により評価する。
予習及び復習等の内容／Contents such as preparations for lessons and the review	各回の講義項目に対し参考書などを用いて予習し、授業実施後に復習を行うこと。
教材・教科書／The teaching materials, textbook	特に指定しない。
参考文献／bibliography	ヘネシー＆パターソン　コンピュータアーキテクチャ、翔泳社 T. コルメン、C. ライザーソン、R. リベスト　アルゴリズムイントロダクション第１〜３巻、近代科学社八谷大岳　ゼロからつくるPython機械学習プログラミング入門、講談社金明哲　Rによるデータサイエンス、森北出版鈴木譲・植野真臣編　確率的グラフィカルモデル、共立出版
留意点・予備知識／Point to keep in mind, back ground	特になし
授業内容に関する質問・疑義等／Question, doubt about class contents	月曜日１７時～１９時（要事前予約）
Eメールアドレス・HPアドレス／E-mail address, HP address	玉田嘉紀（ y.tamada@hirosaki-u.ac.jp ） https://ytlab.jp/mdi/
学問分野1（主学問分野）／Discipline 1	J62:応用情報学およびその関連分野
学問分野2（副学問分野）／Discipline 2	J60:情報科学、情報工学およびその関連分野
学問分野3（副学問分野）／Discipline 3	J61:人間情報学およびその関連分野
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	ゼミナール方式で、配布資料やスライドプレゼンテーション、あるいはテキストを使って講義をする。
科目ナンバー／The subject number
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	有／Yes
その他／Others	なし

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information