|
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
|
|
|
|
|
ICTを活用した双方向型授業の有無
|
|
|
|
|
授業内容・計画
|
|
| |
|
回数
|
授業、事前・事後学修の内容
|
時間
|
|
|
1
|
事前
|
シラバスの確認
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
2
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
2.0
|
|
|
|
|
|
授業
|
社会におけるデータ・AI利活用1
|
|
|
|
|
|
事後
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
3
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
4
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
2.0
|
|
|
|
|
|
授業
|
身近な数字で気をつけること，統計って何？
|
|
|
|
|
|
事後
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
5
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
6
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
7
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
8
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
9
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
10
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
11
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
2.0
|
|
|
|
|
|
授業
|
データの関連性（散布図，クロス表）
|
|
|
|
|
|
事後
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
12
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
13
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
14
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
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
|
授業の振り返り，小テストを解答
|
2.0
|
|
|
15
|
事前
|
シラバスの確認，講義資料・テキストの読み込み
|
2.0
|
|
|
|
|
|
授業
|
全体のまとめ
|
|
|
|
|
|
事後
|
授業の振り返り，小テストを解答
|
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(小テスト)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，各回の振り返り（小テスト）はそちらを参照すること．
|
|
|
|
テキスト
|
|
| |
|
No
|
著者名
|
書籍名
|
出版社
|
ISBN/ISSN
|
|
|
1.
|
久野遼平・木脇太一
|
『大学4年間のデータサイエンスが10時間でザッと学べる』
|
KADOKAWA
|
|
|
|
|
|
参考文献
|
|
| |
|
No
|
著者名
|
書籍名
|
出版社
|
ISBN/ISSN
|
|
|
1.
|
久野遼平・木脇太一
|
『図解大学4年間のデータサイエンスが10時間でザッと学べる』
|
KADOKAWA
|
|
|
|
|
|
関連ページ
|
|
|
|
|
備考
|
|
|
指定テキストは2024年3月段階でのもので変更があり得ます．購入するときはMoodleのページで確認すること．仮に変更があったとしても上記の2つのテキストは，いずれも参考図書となる．
|
|
|
|
教員e-mailアドレス
|
|
|
|
|
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．メールのタイトルには【データサイエンス概論について】と入れること
|
|
|
|
画像
|
|
|
|
|
ファイル
|
|
|