シラバス参照

講義名 データサイエンス概論 
英文科目名 Introduction to Data Sciences 
科目ナンバー JZ0CAR1116 
担当者

中村 永友

科目群 その他(学科指定以外) 
対象学年 1年 
単位数
開講期間 後期 
曜日・時限・教室 後期 火曜日 5講時 E-402教室



授業のねらい
データサイエンス(Data Science:DS)は、データを中心軸として情報科学、統計学などのアプローチから有益な知見やビジネス上の便宜・供与・便益をもたらすような,素材・根拠・分析・道具を与えるための学問です.コンピュータの先端分野である,機械学習や深層学習等のAI技術と深く関連しており,学術的な研究や産業界における応用のために近年注目されています.この講義では,データサイエンスを理解できるよう,定義,歴史,種類,具体的な適用例やツールについて紹介します. 
履修者が到達すべき目標
データサイエンスがどのように世の中で役に立っているのか深く理解すること. 
授業の進め方
学修上の助言
講義形式なので,基本的な知識の供与をします.また,毎回の授業では身の回りにあるデータサイエンスを認識するための行為(演習,文献探し,調べもの,等々)を行ってもらいます. 
アクティブ・ラーニングの要素の有無
無し 
ICTを活用した双方向型授業の有無
無し 
授業内容・計画
回数 授業、事前・事後学修の内容 時間
1 事前     2.0 
授業   ガイダンス  授業の進め方,学習のしかた(予習,復習),授業全体の概要 
事後     2.0 
2 事前     2.0 
授業   社会におけるデータ・AI利活用1 
事後     2.0 
3 事前     2.0 
授業   社会におけるデータ・AI利活用2,様々なデータの社会での活用 
事後     2.0 
4 事前     2.0 
授業   身近な数字で気をつけること,統計って何? 
事後     2.0 
5 事前     2.0 
授業   データリテラシー1:質的量的データ,各種尺度 
事後     2.0 
6 事前     2.0 
授業   グラフリテラシー: 棒グラフ,ヒストグラム,円グラフ,帯クラフ,折れ線グラフ,2軸のグラフ,レーダーチャート,複合棒グラフ 
事後     2.0 
7 事前     2.0 
授業   データの中心傾向を表す代表値1(平均値,中央値,最頻値) 
事後     2.0 
8 事前     2.0 
授業   データの中心傾向を表す代表値2(四分位数,箱ひげ図) 
事後     2.0 
9 事前     2.0 
授業   データの散らばりを表す代表値1(分散,標準偏差,範囲,変動係数) 
事後     2.0 
10 事前     2.0 
授業   データの散らばりを表す代表値2(四分位範囲,四分位偏差,歪度,尖度,相関係数,共分散) 
事後     2.0 
11 事前     2.0 
授業   データの関連性(散布図,クロス表) 
事後     2.0 
12 事前     2.0 
授業   データリテラシー2(誤差,打ち切り,層別,相関と因果,母集団と標本抽出) 
事後     2.0 
13 事前     2.0 
授業   教師あり学習と教師なし学習
データサイエンスの手法1(教師あり学習:回帰分析,数量化I類II類,判別分析,ロジスティック回帰) 
事後     2.0 
14 事前     2.0 
授業   データサイエンスの手法2(教師なし学習:主成分分析,クラスタリング,数量化III類IV類,ニューラルネットワーク) 
事後     2.0 
15 事前     2.0 
授業   全体のまとめ 
事後     2.0 
授業科目に関連する実務経験の内容とその経験を活かした授業の展開
データ解析の経験を基に身の回りのデータサイエンスを教授する. 
成績評価の基準と方法
課題に対するフィードバックの方法
毎回の振り返りと課題への解答・回答,レポート課題で成績評価する.
詳細はMoodleに掲載するので,授業計画,成績評価,各回の課題はそちらを参照すること. 
テキスト
参考文献
関連ページ
備考
教員e-mailアドレス
nagatomo@e.sgu.ac.jp 
オフィスアワー
事前にメールにて問い合わせて来室すること. 
画像
ファイル


PAGE TOP