講義スケジュール

1. 第1回(9月26日) 主な内容: Jupyter notebookの使い方、Pythonの概要, レポートについて
   注意: Pythonではコメントの始まり記号は # です。(プログラミング言語Cとは異なり)//ではありません（エラーになります）
   レポートに現れた質問とその回答: (参考: Note4Chapter1.ipynb)
   • 提出物があっているかどうかわからない
     回答：作業しsaveすれば記録が残ります。そのファイルを提出してください。セルにIn[3]やOut[3]などの表示があれば作業が反映されています。
   • 編集モードのやめ方が分からずｈでショートカットキーを見られない
     　回答：編集モードからぬけるにはESCキーをおすか、マウスで枠外（左のIn[]のあるあたり）をクリックします。それから、hを入力してみてください。
   • for文を2段落続けて打つときにスペースで位置を変えると文字が赤くなるのはなぜか
     　回答：赤字が出るのは、Jupyterでは１段４文字分のスペースを標準としており、それから外れた場合に「注意」するためのものです。エラーではありません
   • ( ）や[ ]や{ } などのカッコに違いがあるのか？
     回答：カッコに意味があります。要素を[ ]でくくると「リスト」になります。丸カッコでくくるとタプルになります。タプルは要素を変更できませんが、リストは自由にできます。波カッコでくくると集合です。また波カッコで「キー：値」の並びをくくると「辞書」ができます。辞書は(リストなどと違い）要素の指定は数ではなく「キー」で行います。
   • colaboratoryで進めたところ，保存した内容が反映しておらず，データが飛んでしまった
     回答：colaboratoryの場合は、Google Driveを使わないと、ファイルが保存されません。左欄に関連情報「colaboratoryからgoogle driveを使う」をみてください
   • ノートブックの読み込み中にエラーが発生すると表示され、ダウンロードをすることができませんでした
     回答：このトラブルですが、第1回講義の最初で「Internet Explorer（IE)は使わないように」と注意したはずです。IEは勝手にファイルの拡張子を変えてしまうからです。あなたが提出したファイル名をみてください。拡張子がtxtになっています。これが原因です。IEの代わりにChromeを使うか、もしくはダウンロードしたファイルの名前を変えれば(拡張子をipynbにする)この問題は解決します。
2. 第2回(10月3日): 主な内容: Jupyter notebookの使い方、Pythonの概要, 特にクラスと関数について
   レポートに現れた質問とその回答: (参考: Note4Chapter1App.ipynb)
   • クラスにおいて実行しようとするとエラーになる
     回答: 大きく3つのパタンがあるようです。
     1. クラスの定義をしていない。クラス定義 (class MyCalcClass: などと書いてあるセル）を実行しておかないと、「クラスの定義がなされていない」ことになるので、その後の実行がすべて未定義のエラーになります。
     2. インスタンスを作っていない。これは例えば　instance_1.calc_print(5)　というようなコードを実行しようとしておきます。その原因は instance_1 という「クラスのインスタンス」ができていないか、そのクラス定義にメソッド calc_print が書かれていないためです。インスタンスを作るには、instance_1 = MyCalcClass(1, 2) などと「クラス名(引数)」を実行します。これは「タイ焼きの金型(クラス)」に材料をいれて「(食べられる)タイ焼きを作る(インスタンス作成）」ことにあたります。
     3. メソッドを定義した(つもり)のに、実行しようとするとエラーになる。これは、クラス定義のあるセルで(しかも、クラス定義の一部として）メソッド(関数と同じく def から始まる)を定義していないためです。メソッドとクラス定義を分離することはできません。
   • 問題がむつかしくて答えようがない。
     回答：この教科書は(おせっかいなことに)答えが載っています。最終手段として、それを参考にして考えることは許します。ただそれをそのままコピーするのでは自分の勉強になりません（し評価は低いかマイナスです）。その答えに対する説明を自分で考える・説明しようと努力することで学びにつなげられます。
   • 入力方法がわからない
     回答：「入力」とは、キーボード入力のことでしょうか。教科書では必要ないので書いていませんが、input が答えです。

     x =input("入力を> ")
     

     のように使います.
   • プログラムを走らせるとエラーになる、もしくは答えが返ってこない。
     回答：エラーになる場合はエラーの種類と、どこが怪しいかが示されます。それを手がかりに解消しましょう。「答えが返ってこない」場合も含めて多いのは、インデントの誤りです。次はその例です。

     def sosuu(N):
         for i in range(2,N+1):
           for j in range(2,i+1):
             if i%j==0:
               break
         if j==i:    # ここのインデントが誤り
            print(i)
     

     最後の2文は二つあるfor文のうち外側のforブロックの要素であるはずです。しかし上ではfor文のブロックの外になっています。つまり、

     def sosuu(N):
         for i in range(2,N+1):
             for j in range(2,i+1):
                 if i%j==0:
                     break
             if j==i:
                print(i)
     

     となっていないといけなかったのでした。
     かなりの人がインデントをミスしています。Pythonではインデントに注意しましょう。エラーになったり、上のように動かなかったりします。
   • reduceがわからなかった。
     回答: reduce関数は、

     from functools import reduce
     

     としないと使えません。https://pycarnival.com/reduce/ を参考にしてください。
   • フィボナッチ数列の別な(効率の良い）計算方法がわからなかった
     回答：少なくとも2通りあります。一つは(人工知能概論で述べた…受講していませんよね…）「メモ」を使う方法です。つまり、計算結果を記憶して、それを使いまわす、という方法です。f(n+2)=f(n+1)+f(n)ですから, 例えばf(9)とf(10)の結果を記憶しておけば、f(11)の計算は簡単になり、したがってf(12)の計算も簡単にできる、ということです。もう一つは行列を使って計算式を表す(線形代数の領域の話）ことによる簡単化です。「フィボナッチ数列　行列」で検索してみてください。
3. 第3-4回(10月10, 17日): モジュールの使い方、特に Numpy, Scipy, Matplotlibモジュールについて学習します。
   レポートに現れた質問と回答:
   • 自宅のパソコンでanacondaをダウンロードし、jupyter notebook使ってプログラムしたが、in[*]と表示されてしまい実行できなかった。また、保存することもできなかった。
     回答：自宅のパソコンが動かなかったのは、メモリが足りないか、CPU性能が低いためかと思います。そういう場合はcolaboratoryを使うことを検討してみてください。
   • anacondaをダウンロードし、pythonをインストールしたのですがコマンドから起動することができませんでした。
     回答：pythonをインストールして動かない場合はPATHという環境変数の設定をしていないことが原因です（インストールの時に環境変数を設定するか尋ねられたはずですが、それをミスしたようですね）。教科書306-307ページを見てください
   • 二項分布などの乱数を表示するときは与えた条件での出やすい数の確率を考えずに、出る可能性がある数は均等な確率で表示されることになるのですか。randもrandom_sampleと同じく重複した数は表示されないのですか。
     回答：乱数生成はそれぞれの確率分布にしたがって乱数を出力します。均等ではありません。またrandの場合、重複した数も出力されますが、その可能性はとても低いことがあります（特に乱数生成の範囲が大きい場合）。
4. 第5回(10月24日): Pandasモジュールと「記述統計」について学習します。
   レポートの質問と回答:(添付資料はこれ)
   • 注意。コードだけを書いて実行結果が示されていない（実行しているかもしれないが、Output Clearを選択して実行結果を削除している）、というレポートがいくつかあります。これではレポート評価できません。エラーが出ているとしてもそのまま残すこと（最後の回答もみてください）
   • 問題が難しくてできない。
     回答：教科書には答え（の例）があります。それを参考に考えてください。しかし丸写しでは学んだことになりません。コードの解説をつける、知らない関数やメソッドは調べる、などの作業をしてください。
   • notebookのコードが(いじっていないのに)動かない。
     回答：講義で注意していますが、それぞれの章ごとに、コードを走らせるのに必要なライブラリ（モジュール）をimportするコードが書いてあります。Jupyterを立ち上げるたびにこれを実行しておかないといけません。また変数を使う場合も同じです。その変数に値を与えている（前のほうにある）セルを実行しておかないと、立ち上げたばかりのJupyterは「そんな変数はしらない」というエラーを返すことになります。
   • 　総合問題のコードが返す値が教科書と違う
     回答：乱数を使っています。seedで特定の値を設定しない限り、乱数は実行されるたびに「異なる値を返します」。そのせいです。教科書と違うからといって慌てないように。
   • np.onesやnp.zerosがあるのに、なぜnp.threesやnp.twosはないのか？
     回答：需要が低い（ない）からです。全部の要素を3にするのはnp.onesから簡単に作れるからです。
   • 教科書の答えどおり打ち込んでいるのにエラーになる。 ふたとおりの原因が考えられます。
     1. ひとつは実行に必要なライブラリ（モジュール）を読み込んでいないこと。
     2. もう一つは「答えのとおり」にはなっていないことです。
     後者の場合、スペルミスやインデント誤りが多く見られました。
   • プログラムを実行しても結果が出力されない（エラーにはならない）。もしくは動きぱなしになる。
     回答：これは練習問題2-12の回答でよく見られました。

     def uni_hist(N):
       x=np.random.uniform(0.0,1.0,N)
       y=np.random.uniform(0.0,1.0,N)
       plt.subplot(2,1,1)
       plt.hist(x)
       plt.title("No1:histogram")
       plt.subplot(2,1,2)
       plt.hist(y)
       plt.title("No2:histogram")
       plt.grid(True)
       plt.tight_layout()
       uni_hist(1000)
     

     これは実行できますが、結果は表示されません。そこで新たに

     uni_hist(1000)
     

     を実行しようとすると、今度は実行しっぱなしになります。
     この理由は、(1)結果が表示されないのは、関数uni_histの定義「だけ」を行っているから、
     そして(2)実行しっぱなしになるのは、uni_histの定義から「無限ループ」に陥ったためです。
     uni_histの定義の最後にあるuni_hist(1000)が原因です。インデント誤りによってこれは関数uni_histの一部になっています。つまり、例えばuni_hist(10)を実行したら、最後にこのuni_hist(1000)が呼ばれ、この実行の最後にまたuni_hist(1000)が呼ばれる、...という無限の繰り返しになっているからです（意図せずに再帰的な関数を定義してしまっている）。
   • 学ぶ内容が多すぎる。
     回答：すべての関数を覚える必要はありません。こういうときはここを見ればできるはず、という感覚を養うことを（今は）目的としています。教科書（の解答）から学ぶのも有効だと思っています（ただし、ちゃんと自分で解説をつけること）。振り返れば、教科書の数ページしか進んでいません。次のPandasはさらに厄介なので、ゆっくり進むつもりです。
   • エラーが出て動かない。
     回答：簡単な英語でエラーが表示されます。それを翻訳してみてください。原因（と問題のコード）がちゃんと示されています。そこをてがかりに直しましょう。 ちなみに、エラーは「そのまま消さずにとっておきましょう」。新たなコードは新たなセルに書いてください。そうすれば学習履歴がわかります。
5. 第6回(10月31日): Pandasモジュールと「記述統計」について学習します。
   レポートの質問と回答(下における添付資料とはこれ)
   • 注意: エラーメッセージを読みましょう。最初と最後が大事です。最初のところではどのコードの実行でエラーになったのか、最後のところでは具体的なエラーの種類が(英語で)書いてあります。英語で書いてあっても簡単なものですから(Google翻訳を使っても良い)解読しましょう。基本的なエラー一覧とその原因の確認方法のページも参考になるでしょう
   • 3章の「やってみよう」で仮説を立て「データと話し合う」という項目がありました。この「データと話し合う」とは何か？
     回答：「データを見て考え分析する」ということの比喩表現です（文学的に、『大自然と話をする』というような表現がありますよね）。
     なおこの問題で多く見られたのは head メソッドをつかった答えでした。headメソッドはデータの最初の数行を示すだけのものです。これは分析には使えません（ごく一部しか示さないので）。誤解があった人は今のうちに解消しておきましょう（headの逆がtailです）。
   • (練習問題2-9の)集計の際で,最大値と最小値の両方を一度に実行する方法はあるのかどうか？
     回答。あります。添付ファイルの最初の項をみてください。
   • PythonのnanとC言語のNULLの利用方法に違いがあるか？
     回答：はい、全然違うものです。NULLはナルポインタ、つまりポインタです。それに対しnan（正しくは、numpyモジュールのnanオブジェクト）は『特殊な数』という扱いです。
   • 3章で「!ls」とやるとエラーになる
     回答：Jupyterではマジックコマンドとしてls（など）が登録されているため、「！」ではなく「%ls」とするのが正しい記法です。「！」は続くコマンドはOSのシェルが解釈実行する対象とみなされます。lsはLinux/Unixのコマンドですから、ColaboratoryやLinuxでJupyterを動かしている場合は動きますが、Windowsではエラーになります。Windowsの場合はdirがlsに相当しますので、!dir とやってみてください。
     なお、添付するファイルを見てください。
   • 練習問題2-9で、平均値などを求めるのにgroupby('Sex')を用いた解答をしたが、これは必要か？
     回答: 平均値を求めるというのは基本的にSeriesに対する操作です。ですから例えば、a3.groupby('Sex')['Money'].mean() のかわりに、a3[‘Money’].mean() を考えてみましょう。a3[‘Money’]によってa3というデータフレームのMoneyの列(Series)が取り出され、それにmean()が適用されるのです。
     またMoneyだけではなく、同時に複数の列を指定することも可能ですし、複数のメソッドを適用するのも可能です。添付したファイルをご覧ください。
     なお、練習問題2-9は教科書の解答に問題がありますが、問題の指定通りの解答にはなっていません。これも添付するファイルの1番をみてください。
6. 第7, 8回(11月7日, 14日): 確率について学びます
   資料: Pythonで確率を学ぶ, Jupyter notebook
   レポートの質問と回答
   • セルを実行したのに何も表示されない。
     回答: 実行されない理由は(1)エラーが起きている、(2)実行したが値を返すものではない（関数定義など）、(3)過去の履歴、が考えられます。 print文を使用して結果を表示させるようにしましょう。
   • シラバスの成績評価の『平常点』とは何か？
     回答: 毎回課しているレポートに対する評価です。
   • 教科書のように『答え』はないのでしょうか？
     回答: Pythonに慣れたと思いますので、ここからが「確率と統計」の講義の始まりです。答えは宿題を課した次の時に提示します（ただし、必ずしも全てではないかもしれない）
   • リストtrialのなかにある「１」の個数を数える（返す）、ということを a=len(trial[trial==1]) と書いたのですがエラーになりました。
     回答: この方法が使えるのはnumpyの配列です。Pythonのリストには使えません。エラーが起きた場合、まずtrial[trial==1] が動くかどうかを確かめてください。これについては添付した資料(ここでは省略)で述べています
   • 1. 教科書は使わないのでしょうか？
     回答: 時々参照するかもしれません。なお12月末や１月には使う予定です。
   • テキストの文の両端を$で挟むと乗算がきれいに表示されることを調べた．しかし，シグマはうまく表示することができなかったため[i=1からnまで]のように表示することにした．
     回答: $E(aX+b)=[i=1からnまで]∑(axi+b)P(X=xi)$は、 $E(aX+b)=sum_{i=1}^{n} (ax_i+b)P(X=x_i)$ のように書きます。つまり sumが総和、_で下に書くべき式（式全体を｛｝でくくる）、^で上につく式を指定します。 3. 答えがほしい。特に演習問題６は難しかった。 回答：添付します。11月21日の講義はまずこれについて説明します。
   • 答えがほしい。特に演習問題６は難しかった。
     回答：添付します(ここでは省略)。11月21日の講義はまずこれについて説明します。
7. 第9 ,10回(11月21日, 28日): 確率分布について学びます
   参考: 確率分布の解説(Paiza)
   資料: Pythonで確率分布を学ぶ, Jupyter notebook (Intro2ProbDistri.ipynb)
   レポートの質問と回答
   • 実行したがエラーになる
     回答: from __future__ import divisionに起因するエラーです。これはPython2(いま使用しているのはPython3)での実行を想定したコードで、古いコードが残っていました。とはいってもPython3のバージョンによってはエラーが起こらないことがあります。講義の次の日に指摘がありMANABOで注意し、改訂版をおいておきました。
     なお、スペルミス(npをmpとかく、コンマをピリオドとする、またこの逆）によるエラーもありました。
     さらに、マークダウンのセルとPythonのセルを混同している人がいました。マークダウンのセルでは文章(HTMLのコード)やLaTeXによる数式($でくくる）が書けます。それに対し、Pythonのセルでは(左横に[ ] が表示されます)ではPythonのコードを書いて、実行できます。
     なお、セルをクリックしてMを入力するとマークダウンのセルに、Yを入力するとPythonのセルに変えることができます。
   • 確率分布がわからない。「わかりやすい」資料を教えてほしい。
     回答: 『わかりやすい」は個人差があり、色々調べて自分にあった資料を見つけるしかありません。検索するといろいろなページがありますので、その中から「わかりやすい」と思うのを探してみてください（図書館にも本があります）。例えば、 この資料 はどうでしょうか。
   • i.i.d.とは何か
     回答: 『確率」の資料をみてください（そのページで探索により見つけることができます）。independent and identically distributed の略です。確率統計ではこの言葉をよく使います。
   • その他気づいたこと。
     • 今回の問題がふたとおりの種類がある：ひとつは数学として証明せよ、もう一つは(Pythonを用い)シミュレーションして理論的な値に近いことを示せ、というもの。このことを認識していないひとがいた。
     • 演習問題2-2でnumpy.random.random関数ではなく、numpy.random.choice関数を用いようとした人がいた。ここでは「連続型」の確率変数が問題だったので、離散型の乱数を生成するrandom.choice関数は使えない。一様分布には連続型と離散型があるため、どちらを扱っているか注意しよう。
     • 演習1-5について。前に配布した資料では 0.9165　とあるが、これは10分間に15人『未満」の人が来る確率。本当の答えは、1-0.9165=0.0835 である(小数点以下4桁として)。
     • マークダウンにおける数式 総和を表すΣは¥sum_{i=1}^n のように書きます（ただし、数式全部を$でくくること）。
       同様に、積分記号は ¥int_{-¥infty}^{¥infty} f(x) dx のように書きます。 上の２つからわかるように、記号の下につける式は 「記号_{...}」 のように_のつぎに式を{と}で囲みます。同様に記号の上につける式は「記号^{...}」のように、^のつぎに式を{と}で囲みます。この下につける式と上につける式の順番は任意（どういう順番でも良い）です。
     • このせいでしょうか、Pythonにおける乗数の書き方を(例えば2の10乗) 2^10 のように書く人がいました。Pythonでは　2**10 と書かないといけません。ややこしいのは 2^10 という演算も可能なことです。ただ結果は違います(^はXORの演算を意味します)
     • 乗数の書き方を知らないせいか、2**10とかくべきところを 2*2*...*2 と書いたり、1/(2**10)と書くべきところを 1/2/2/2/../2 と書いたりする人がいました。意味はあっているのでしょうが、間違いやすいし、検証も難しいので、このような書き方はやめましょう。
     11月28日のレポートに対する質問と回答
8. 第11回(12月5日): 統計的推定
   ウェブページ, Notebook
   レポートの質問と回答
   • 区間推定の問題で、図を表示する人が多いが、これは必須ではない。区間推定は数値で答える（下限値と上限値の２つ）のが基本である。
   • 「信頼度95％」と「信頼度99％」では区間推定はどちらのほうが広いでしょう？99％は推定区間は外れにくい(外れる確率が１％）のですから区間は広がるはずですよね。このような簡単なチェックでもミスを見つけるのには有効です。かなりの人が99％の区間をもとめている「つもり」で95％のままだったり、98％になっていたりしました。
   • コードはあっているはずなのに出力された値がおかしい、という人がいました。これは計算に必要な変数の値が正しくセットされていないからです。たぶん、他の問題のコードを実行した後に、そのセルを実行したのでしょう。必要な変数や関数定義、モジュールの読み込みは、必ず確認するようにしましょう。
   • 練習問題3-1 などのコメントで誤りがありました。（まあコメントなので悪影響はありませんが）。
   • 多くの人が（１）自由度が違う、（２）データのサイズが違う、（３）用いる確率分布が違う、（４）分散や標本平均の値が違う、という間違いをしていました。問題によってこれらは変わります。注意しましょう。なお自由度についてはnp.varで指定するddof=1は不偏分散を求めるもの、np.stdの場合は不偏分散の平方根を求めるもの、と割り切って考えてください。t分布やχ2乗分布の自由度は、定義を視るとわかります（講義で説明します）。
9. 第12,13回(12月12, 19日): 統計的検定
   ウェブページ, Notebook
   検定の続き, Notebook(最終課題)
   レポートの質問と回答
   • 課題4-3は情報不足で解けない
     回答：確かに標本サイズがないと解けません。これに気づいて講義日に改訂版を出しました。申し訳ない。
   • 課題4-4がわからない、今回の内容は（特に）理解できなかった。
     回答：資料の不備もありました。申し訳ない。次回の講義（今年最終）で復習します。
   • 課題4-5は母分散が与えられているが、問題としては母分散が未知の位置づけのはず。どちらで解いたらよいか？
     回答：これも問題の不備でした。申し訳ない。意図としては母分散が未知として解いてほしい。
   * 気づいた問題点：
   1. べき乗計算（今回は平方根を求める計算）を x**a と書きます。例えば２の平方根は 2**0.5 となります。
      今回、検定統計量の計算でよく出てきた式は (標本平均 - 母平均)/(分散/標本サイズ)**0.5 という式でした。ここで、次のように書いた人が複数人います。
      ケース1. (標本平均 - 母平均)/(分散/標本サイズ**0.5) 閉じカッコの位置に注意
      つまり、本当の式では分母は、(分散/標本サイズ)**0.5 　なのですが、この人たちの計算は「分散/標本サイズ**0.5 」となっているのです。ここで重要なポイント。べき乗計算(**)は掛け算(/)よりも結合力が強い、ということです。結合力とは、 a+b*c の計算で*の計算が+の計算よりも「前」に行われます。これは*の結合力が＋よりも強いから、と説明されます。
      ということで、 分散/標本サイズ**0.5 の計算は、カッコを使うと 分散/(標本サイズ**0.5 )という計算が行われてしまうのです。したがって間違い、となります。べき乗の演算子はプログラミング言語Cにはないものなので慣れていなかったためでしょうね。でもRやRubyやJavaなどにはある(ただし記号は**ではなく^のものものある)ので、注意しましょう。
      ケース２。 標本平均 - 母平均/(分散/標本サイズ)**0.5 分子に注意
      小学校の時に習ったように、-の結合力は割り算/よりも弱いです。したがって、この式はカッコを使うと
      標本平均 - (母平均/(分散/標本サイズ)**0.5 )
      と計算されます。これはどんなプログラミング言語でも同じ規則なので、注意しましょう。
   2. 計算してはいるがどれが大事な値なのか、また結論は何か、書かない人が多い
      検定統計量の実現値を求めるところまでは多くの人ができていました。そこからが問題です。検定統計量の実現値からp値を求めて、有意水準と比較して、帰無仮説が採択されるのか棄却されるのか（同じことですが、対立仮説が棄却されるのか、採択されるのか）ができていない人が多かったです。今回復習しますので、確認してください。
   * 質問/気づいたこと２
   1. Pythonを勉強するための参考書を教えてほしい
      回答：どんなプログラミング言語でも何かを作る、という目的がないと難しいものです。ウェブでも良い教材がありますが、人によってわかりやすさは異なります（料理と同じーわたしが美味しいと思う料理は必ずしも他の人も美味しいとは思わないかもしれない）。
      辻ら (2019) Python3スキルアップ教科書. 技術評論社
      は問題形式で学んでいくので飽きが来ないかも。 また、
      廣瀬 (2019) Pythonでつくるゲーム開発. ソーテック
      は割と本格的なゲームを作るもので、ゲーム好きにはよいでしょう。
   2. 気づいたこと。
      1. 例えば 2.32100000e-05 というように答えがでた場合、かなりの人が 2.321と思っていました。最後のe-05を無視していたのです。ところが、このe-05は10の-5乗を意味します。ですから、2.321ではなく、0.00002321を意味します。このため大事なところで結論が間違う人がいました。
      2. 結論を書くのが大事、と注意しました（はずでした）が、計算式しか示さない人、根拠をしめさずに「帰無仮説は棄却」としか書かない人などがいました。結論を書けとはいっても根拠は必要ですし、根拠だけ示す（数値だけをかく）のでは何が結論かは明らかではありません。また単に「棄却された」と書く人もいました。主語によっては結論が変わります。ちゃんと主語を書くようにしましょう。これは卒業論文を書くときにも注意されることになるでしょう。
      3. Pythonコードではなく普通の文章でもコードセルに書いている人が多くいました。特に理由がないのでしたら、そのセルをMarkdownに変更してください(マウスでセルをクリックしMを入力しても変更できます）。
10. 第14回(1月9日): 機械学習(教師あり)
11. 第15回(1月16日): 前回の復習とまとめ

• colaboratoryで課題を取り組むために
  大学のコンピュータ演習室でJupyter notebookが起動しないという報告があります。また31日は入試のため大学が使えません。
  しかし、colaboratoryでは動きますし、ブラウザもFirefoxでもChromeでも動くことが確認できています。その方法について書きます。
  1. ブラウザでcolaboratoryにアクセスします。
     
  2. 上の方に「ファイル」タブがあるので、マウスでクリック。
     プルダウンメニューが開きますので、4番目に表示されているはず「ノートブックをアップロード」をクリック
  3. ファイルをアップロードするための画面になります。Browseボタンをクリック。
     すると自分のPCのフォルダが見えますので、課題のファイルを探索して「開く」ボタンをクリック
  4. これで課題ファイルが表示され、jupyter notebookとほぼ同じ操作ができます（プログラム実行は左の欄の[ ]をマウスクリックで行われます）
     セルの挿入は「挿入」タブで行います。
  5. 作業が終われば「ファイル」タブから（下４つ目にある）「.ipynbをダウンロード」をクリックしてダウンロードできます（つまり自分のPCに持ってこられる）
• 講義を終えるにあたって
  最後の講義なのに、今までの路線を変更し、「東京大学のデータサイエンティスト育成講座」を使ったことによる良い点と悪い点がでてしまった。良い点としては、最近のAIやPython人気を反映して受講生が増えたこと(前年比で2.4倍)、悪い点としてはこの本では「確率と統計の扱いが大雑把であったため、補助資料を多数用意しなければならなくなったこと」（そのため、もう教科書を使わないのか、という質問？苦情？があった。
  Pythonを教える講義は、情報工学科ではあるようだが、名古屋にある工学部の学科はない(わたしが所属する学科では提案すれど却下され続けた)。それで受講生が増えた大きな理由になったのだろう。
  そこで、この講義では、(1)Pythonと関連するモジュールの使い方、(2)確率、確率分布、統計的区間推定、統計的検定の基礎、(3)機械学習入門、という3つを教えることとなり(比率として、5:4:1) 、必然的に駆け足的になってしまった（わたしの講義はいつもそう、なのか？）。
  講義では補えないことがたくさんあったので、必然的に（学生には苦労なことに）毎回宿題、（教員も苦労なことに）レポートチェックにより、なんとか習熟レベルをあげようと努力した。
  受講生からの（大学が義務的に実施する無記名の）アンケートは（いつもどおり？予想通り？）低いもので、進展速度が早すぎる、学生の理解度をあまり考慮していない、(さらに資料の修正も多かったためか）教員の指示が明瞭でない、という苦情が多くあり学部レベルをやや下回った（アンケートの評点平均が「どちらかといえば良い」というレベルに達しないとペナルティがあり、見事にそれに該当）
  ただ救いは、上記のアンケートでも「事前事後に費やす時間が多い」「事前事後学習に関して指示があった」「教員から受講生へのフィードバックがあった」という点は高い評価であった。さらに、最終課題に対して学生から以下のようなコメントをもらえた。講義は「学生への新たな道の示唆」でしかなく、本当に身につけるには自分でやらないといけない（困ったときの相談相手、という役割が教員）。それを気づいてもらったたけでも、この講義をやった価値があると考えている。
  学生からの最終課題に対するコメント:(記名式なので、お世辞の要素も多分にあるはず)
  • 15回の講義ありがとうございます。本講義を受け、少しだけPythonについて理解できた。
  • パイソンの使い方や、確率統計について基礎的なことを身に付けることができたと思います。最終課題は最初に解き方の説明通りに解いた。t検定について理解することができたと思います。9月から1月まで、ありがとうございました。
  • t検定やwelch検定をパイソンで行う方法を調べてマスターした．
  • 私は、この講義を受けてプログラムについて興味を持ちました。講義は終わってしまったのですが、自主的に勉強しようと思います。
  • この授業で確率統計の基礎から発展までしっかりと学ぶことができた。これからの授業や卒業論文などで確率統計で学んだ知識を生かしていきたいと思います。
  • 私は二年生で研究室配属前であり、この確率統計学の講義では研究における数学的知識をみにつけることができたので、機械学習の研究をする際に参考にしたい。 また、今回の講義を発展させ、人工知能、たとえばディープラニングの技術など学習を進めたい。
  • 確率統計学はまだまだ難しい内容でしたが，とても面白い内容だったので，独学で続けていきたいと思います．半年間ありがとうございました
  • 半年間お世話になりました。またお世話になることがあればよろしくお願いします。
  • 僕はこの講義を通して、改めてパイソンのすごさを知ることができました。 この技術は将来的にも生かせると思ったため、もっと学習してこの技術を完璧に取得しようと思います。ありがとうございました。
  • 検定のプログラムの書き方を理解することができたので良かった。
  • 課題１－１が分からなかったのが心残りです他の課題はある程度理解しすすめられたかと思います。秋学期ありがとうございました。
  • pythonは自分にとってはかなり難しく、全てを理解することはできませんでした。しかし，研究において利用する可能性があるため，今後も学習を進めていきたいです。
  • これまでの授業で新たに身についた知識があり、力が付きました。これからpythonを使うことがあるので、今回までの講義で身に付けたことを忘れずに今後pythonに取り組んでいきます。