このページには授業に関する資料やお知らせがあります。
| 科目名 | 森林政策学1A，1B | ||
| 担当教員名 | 栗山 浩一 | ||
| 授業形態 | 講義 | ||
| 単位数 | 4 | 配当学年 | 修士１回生以上 |
| 学期・曜日・時限 | 通年 金２ | ||
| 教室 | 第３会議室 | ||
| 授業の概要・目的 | 本講義は，森林政策や食料環境政策などの政策を分析するための手法について学ぶことを目的としている。本年度は計量経済学アプローチの環境問題，農業問題，開発問題への応用に向けて計量経済学の基礎について扱う。取り上げるテーマは，記述統計や最小二乗法などの基礎的なものから，アンケート調査の分析に用いられるカテゴリカルなデータの統計分析など応用的な内容，そして統計アプリケーションの使い方など実践的なものまで含まれる。受講者には，計算問題やミニレポートなどの課題を毎回提出してもらい，学期末には小論文を提出してもらう予定である。 | 到達目標 | 計量経済学に関する基礎知識を理解し，環境問題・農業問題・開発問題などへの応用について理解できるようになる。データを用いた統計分析ができるようになる。 |
| 授業計画と内容 | 以下の内容を１つのテーマにつき２週間程度で進める予定である。 1. Economic Questions and Data 2. Review of Probability 3. Review of Statistics 4. Linear Regression with One Regressor 5. Regression with a Single Regressor: Hypothesis Tests and Confidence Intervals 6. Linear Regression with Multiple Regressors 7. Hypothesis Tests and Confidence Intervals in Multiple Regression 8. Nonlinear Regression Functions 9. Assessing Studies Based on Multiple Regression 10. Regression with Panel Data 11. Regression with a Binary Dependent Variable 12. Instrumental Variables Regression 13. Experiments and Quasi-Experiments 14. Introduction to Time Series Regression and Forecasting 15. フィードバック |
||
| 履修要件 | 特になし | ||
| 成績評価の方法・基準 | 平常点(出席回数，講義中の発言内容，小テスト)および期末レポート提出をもとに総合的に評価。 期末レポート(60%)，平常点(40%)。 評価基準及び達成度については、当該年度農学研究科学修要覧記載の[評価基準及び達成度]による | ||
| 教科書 | James H. Stock and Mark W. Watson『Introduction to Econometrics』(Pearson Education Limited) ISBN:1292071311 筒井 淳也ほか『Stataで計量経済学入門 第2版』(ミネルヴァ書房) ISBN:4623060772 |
||
| 参考文献 | 授業中に紹介する | ||
| その他 | 国際農林経済学講座（地域環境経済学分野，食料・環境政策学分野，森林経済政策学分野，国際農村発展論分野）に所属するものは，この講義を受講すること。講義内容の理解度を確認するため，計算問題やミニレポートなどの課題を毎回提出してもらう予定である。 | ||
配布資料をダウンロードできます。
配布資料のページはこちら（パスワードが必要）
このページには授業に関する資料やお知らせがあります。
| 科目名 | 森林政策学2A, 2B | ||
| 担当教員名 | 栗山 浩一 | ||
| 授業形態 | 講義 | ||
| 単位数 | 4 | 配当学年 | 修士２回生以上 |
| 学期・曜日・時限 | 通年 金２ | ||
| 教室 | 第３会議室 | ||
| 授業の概要・目的 | 本講義は，森林政策，農業政策，環境政策などの経済政策を分析するための手法について学ぶこと を目的としている。本年度は近年注目を集めている深層学習(ディープラーニング)の文献を取り 上げる予定である。深層学習とは複数の隠れ層を持ったニューラルネットワークのことである。深 層学習の導入により画像認識や自然言語処理の性能が格段に改善されたことから世界的に注目を集 めている。本年度は，深層学習の基礎から開始し，最先端の研究内容まで扱う予定である。 | 到達目標 | 深層学習に関する専門知識を習得し，環境問題・農業問題・開発問題などへの応用について理解で きるようになる。深層学習モデルを理解し，データを用いた実証分析ができるようになる。 |
| 授業計画と内容 | 以下の内容を１つのテーマにつき２週間程度で進める予定である。 1 Introduction Part I: Applied Math and Machine Learning Basics 2 Linear Algebra 3 Probability and Information Theory 4 Numerical Computation 5 Machine Learning Basics Part II: Modern Practical Deep Networks 6 Deep Feedforward Networks 7 Regularization for Deep Learning 8 Optimization for Training Deep Models 9 Convolutional Networks 10 Sequence Modeling: Recurrent and Recursive Nets 11 Practical Methodology 12 Applications Part III: Deep Learning Research 13 Linear Factor Models 14 Autoencoders 15 Representation Learning 16 Structured Probabilistic Models for Deep Learning フィードバック方法は別途連絡します。 |
||
| 履修要件 | 計量経済学の基礎知識を必要とする。未習の場合は，関連科目を受講するか，基礎文献を事前に読 んでおくことを希望する。 | ||
| 成績評価の方法・基準 | 平常点(出席回数，講義中の発言内容，小テスト)および期末レポート提出をもとに総合的に評価。期末レポート(60%)，平常点(40%)。 評価基準及び達成度については、当該年度農学研究科学修要覧記載の[評価基準及び達成度]による | ||
| 教科書 | Goodfellow, I., Y. Bengio, and A. Courville 『Deep Learning』(The MIT Press)ISBN:0262035618 | ||
| 参考文献 | 授業中に紹介する | ||
| その他 | 講義内容の理解度を確認するため，計算問題やミニレポートなどの課題を毎回提出してもらう予定である。 | ||
配布資料をダウンロードできます。
配布資料のページはこちら（パスワードが必要）