講義資料

本ページで公開している講義スライドはすべてCC-BYです（〈参考資料〉は除く）．
編集可能なPowerPointファイル（無償, CC-BY）が必要な場合や，今後改訂したときに連絡が必要な場合は，下記までご連絡ください（PPTは100以上の大学等へ提供済みです．お気軽にどうぞ）．
- 連絡先：mds-lecture-slides@human.ait.kyushu-u.ac.jp （内田（センター長）・福冨（センター秘書））
スライド内容について間違いがあった場合も，上記連絡先にご連絡いただけると，大変に助かります．（修正の上，改訂版を随時アップロードいたします．）

データサイエンス概論Ⅰ＆Ⅱ（夏休み中の3日間での集中講義を予定．2023年度からは，高年次基幹教育科目「データサイエンス総論Ⅰ&Ⅱ」としても開講予定．なお，電気情報工学科「データサイエンス序論」とほぼ同一内容．無編集ですが講義動画もあります(2021年9月収録)．ご興味あればご連絡ください．）
- データとデータ分析
- データのベクトル表現と集合
- 平均・分散・相関
- データ間の距離と類似度
- クラスタリングと異常検出
- 線形代数に基づくデータ解析の基礎
- 主成分分析
- 予測と回帰分析
- 可視化
- 確率と確率分布
- 信頼区間と統計的検定 (ご指摘いただいた誤りを修正中です 2023/1/29→修正版を公開しました 2023/5/31）
- 非構造化データ解析
- パターン認識と分類
- データ収集とバイアス
- 人工知能入門
- ※一括ダウンロードはこちら (2023/7/8版)

データサイエンス実践Ⅰ～Ⅳ(2023/6/8版)
- データサイエンスことはじめ
- Python基礎その１
- Python基礎その２
- 距離とクラスタリング
- 統計分析
- 相関分析と回帰分析
- 主成分分析
- 画像処理基礎
- 画像処理応用
- パターン認識と深層学習
- ※一括ダウンロードはこちら (2023/6/8版)

情報科学【AI・データサイエンス】（下記の英訳版もあります．必要な場合，お問合せください）
- 第1回様々なデータとデータ分析
- 第2回 AIと機械学習
- 第3回非構造データとパターン認識
- 第4回データの収集
- 第5回ベクトル・距離・類似度
- 第6回データの可視化
- 第7回画像解析
- 第7回回帰分析と時系列分析
- 第7回相関と検定
- 第7回アンケート解析
- ※一括ダウンロードはこちら (2023/7/8版)

統計基礎(英語版）

〈参考資料〉サイバーセキュリティ基礎論（利用条件についてはリンク先に提示）
- 〈参考資料〉http://www.cs.kyushu-u.ac.jp/lectures/csp

〈参考資料〉統計学（利用条件についてはリンク先に提示）
- https://www.slideshare.net/secret/4Npn9EgU7zJZFe