| 年度 |
2026年度 |
開講部局 |
医系科学研究科博士課程 |
| 講義コード |
TB151301 |
科目区分 |
専門的教育科目 |
| 授業科目名 |
感性データサイエンス特別研究 |
授業科目名
（フリガナ） |
カンセイデータサイエンストクベツケンキュウ |
| 英文授業科目名 |
Advanced Research on Affective Data Science |
| 担当教員名 |
近添 淳一,PHAM QUANG TRUNG |
担当教員名
(フリガナ) |
チカゾエ ジュンイチ,ファム クアン チュン |
| 開講キャンパス |
霞 |
開設期 |
1年次生 前期 セメスター（前期） |
| 曜日・時限・講義室 |
(前) 集中 |
| 授業の方法 |
実験 |
授業の方法
【詳細情報】 |
対面, オンライン（同時双方向型）, オンライン（オンデマンド型） |
| 講義中心、ディスカッション、学生の発表、作業、プログラミング |
| 単位 |
2.0 |
週時間 |
|
使用言語 |
B
:
日本語・英語 |
| 学習の段階 |
5
:
大学院基礎的レベル
|
| 学問分野（分野） |
27
:
健康科学 |
| 学問分野（分科） |
01
:
医学 |
| 対象学生 |
|
| 授業のキーワード |
神経科学、fMRI、機械学習、感覚、情動、深層学習 |
| 教職専門科目 |
|
教科専門科目 |
|
プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ） | |
|---|
到達度評価
の評価項目
（学部生対象科目のみ） | |
|---|
| 授業の目標・概要等 |
ヒト生理データ（fMRIデータ等）を対象として、機械学習を用いた神経科学研究を行い、研究論文を発表する。 |
| 授業計画 |
第1回 個別面談（進捗確認と目標設定）
第2回 基盤形成１（関連資料の収集と理論的枠組みの学習）
第3回 基盤形成２（関連資料の収集と理論的枠組みの学習）
第4回 基盤形成３（関連資料の収集と理論的枠組みの学習）
第5回 予備検証１（パイロット実験と手法の微調整）
第6回 予備検証２（パイロット実験と手法の微調整）
第7回 予備検証３（パイロット実験と手法の微調整）
第8回 達成度確認（手法の決定）
第9回 データ収集１（実験開始とトラブル対応）
第10回 データ収集２（実験開始とトラブル対応）
第11回 データ収集３（実験開始とトラブル対応）
第12回 中間整理１（データの初期分析と仮説の再検討）
第13回 中間整理２（データの初期分析と仮説の再検討）
第14回 中間整理３（データの初期分析と仮説の再検討）
第15回 達成度確認２（後期への継続課題整理） |
| 教科書・参考書等 |
統計的学習の基礎（Hastieら著）
Functional Magnetic Resonance Imaging (Huettelら著） |
授業で使用する
メディア・機器等 |
テキスト, 配付資料, Microsoft Teams, Zoom |
| 【詳細情報】 |
|
授業で取り入れる
学習手法 |
ディスカッション, ペア・リーディング, PBL（Problem-based Learning）／ TBL（Team-based Learning）, プロジェクト学習 |
予習・復習への
アドバイス |
統計と機械学習の基本的な内容を理解する。
特に誤った機械学習の利用法など、ピットフォールに陥らないために必要な基礎知識を身に着ける。
特に過学習、データのリークなど、典型的な問題を正しく理解する。
fMRI実験を行う中で、これらがどのような問題を引き起こすかを学ぶ。 |
履修上の注意
受講条件等 |
|
| 成績評価の基準等 |
研究姿勢、統計・機械学習への理解の深度を基に判断する。 |
| 実務経験 |
|
実務経験の概要と
それに基づく授業内容 |
|
| メッセージ |
|
| その他 |
|
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。 |