初めに「ベイズ統計学」の基本概念を学びます。ベイズ統計はある事象に対して最初の確率を自由に設定していい特徴があります。そして情報が増えるたびに確率を更新していき精度の高い確率を求めることができます。このように新しい情報を逐次追加させることができるため、最初に用意できるデータが少なくてもデータ分析を行うことができます。
　ベイズ統計では確率の更新前と更新後が存在するので、それらを使った計算方法や考え方を学びます。高校生の時に少し知っていたベイズの定理(図1）の使い方も理解することができました。他の講義では少ししか出てこないので、本格的に学びたい場合はこの講義をとった方がいいです。またベイズ統計は学習して確率を変化させる特性上、機械学習や深層学習と相性が良く数理的側面で利用されています。3年次の他の講義に「パターン認識と機械学習」があるのでそちらと合わせて受講するといいと思います。
　毎回の講義は座学でした。授業内容によってはプログラミング言語「R」を使い複雑な計算を行いました。