基本情報/Basic Information

遠隔授業（授業回数全体の半分以上）の場合は、科目名の先頭に◆が付加されています（2023年度以降）

開講科目名 ／Course	◆データサイエンスへの誘いＡ／Invitation to Data Science A
時間割コード ／Course Code	G1001045_G1
開講所属 ／Course Offered by	共通／
ターム・学期 ／Term・Semester	2024年度／Academic Year　　第1クォーター／1Q
曜限 ／Day, Period	木／Thu　6
開講区分 ／Semester offered	第1クォーター／1Q
単位数 ／Credits	1.0
学年 ／Year	1,2,3,4
主担当教員 ／Main Instructor	吉野　孝
授業形態 ／Lecture Form	講義・演習
教室 ／Classroom	東１号館Ｅ１-２０８／E1-208
開講形態 ／Course Format	遠隔授業（授業回数全体の半分以上）
ディプロマポリシー情報 ／Diploma Policy	要件所属 ／Course Name ディプロマポリシー ／Diploma Policy DP値 ／DP Point 共通 幅広い教養と分野横断的な学力 7 共通 課題解決力と自己学修能力 3

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
西村　竜一	システム工学部（教員）
三浦　浩一	システム工学部（教員）
吉野　孝	システム工学部（教員）

授業の概要・ねらい ／Course Aims	統計の基本的内容、統計の正しい見方、統計学からデータサイエンスにつながる内容、世の中の活用事例などを紹介する講義を実施する。Excelを用いた統計処理の方法、図表の作成などを行う。初歩的な、データの加工、作成方法など、解釈方法などの修得を目指す。
到達目標 ／Course Objectives	１．統計の基本的内容、統計の正しい見方を説明することができる。 ２．データサイエンスが社会でどのように活用されているかを説明できる。 ３．Excelを用いた統計処理の方法、図表の作成などができる。
成績評価の方法・基準 ／Grading Policies/Criteria	小テスト・課題レポート100％。毎回の講義内容の理解度を確認する小テスト・レポート課題の提出が必要です。また、小テストやレポートの提出がされていても、講義動画の視聴や同時双方向型のビデオ会議（Teams）の講義に参加していない場合は、未受講と判断します。
教科書 ／Textbook	データサイエンス入門 第2版、学術図書（ISBN-10 : 4780607302）、2,200円
参考書・参考文献 ／Reference Book	※データサイエンスの重要性がわかる書籍としては、下記があります。 ※下記の書籍は自習用の参考として紹介するものです。授業の中で利用することはありません。 統計学が最強の学問である、ダイヤモンド社，ISBN-10 ‏ : ‎ 9784478022214，1,760円 統計学が最強の学問である［実践編］、ダイヤモンド社,ISBN-10 ‏ : ‎ 4478028230，2,090円
履修上の注意 ・メッセージ ／Notice for Students	・ＰＣ利用(BYOD) ・「データ」の急速な利用拡大にともない、データサイエンスの分野が急速に拡大しています。この影響は、文系・理系を問いません。データの利活用に関する最低限の理解は、基本的な教養になっています。この講義を通じて、世の中のデータ利活用の事例を知るだけでなく、データに関する基本的な理解を深めて下さい。 ・下記にこの講義や関連講義の紹介動画があるので、是非、視聴してください。 https://www.youtube.com/watch?v=BldPUgiDPTM&ab_channel=wakayamauniv
履修する上で必要な事項 ／Prerequisite	・この講義は、基本がオンデマンド型の講義です。フォローアップ講義とし、同時双方向型のビデオ会議（Teams）を一回（最終回、第8回）実施します。また、オンデマンド型、同時双方向型のビデオ会議（Teams）の講義では、視聴状況も確認します。視聴されていない場合には、小テストやレポートの提出がされていても、未受講と判断します。 ・授業内でＰＣを使用します。 ・小テストは、Moodle上で実施します。 ・レポート提出は、Moodle経由での提出となります。
履修を推奨する関連科目 ／Related Courses	データサイエンスへの誘いＢ、データサイエンス入門Ａ／Ｂ
授業時間外学修についての指示 ／Instructions for studying outside class hours	本授業の授業計画に沿って、準備学習と復習を行ってください。さらに、授業内容に関連する課題に関する調査・考察を含めて、毎回の授業ごとに自主的学習を求めます。特に、講義内容の理解およびExcelの操作の習熟は、あとの講義では、理解前提の上で進めて行きますので、不明なところが無いように理解してすすめて下さい。
その他連絡事項 ／Other messages	教材は、該当回の週に配信されます。
授業理解を深める方法 ／How to deepen your understanding of classes	不明な点があったら、Moodle経由で質問して下さい。パソコンの操作などが分からないなどがあった場合には、オフィスアワー（同時双方向型のビデオ会議（Teams）を用いたサポート室）に対応します。 【「アクティブ・ラーニング」実施要項 ⑥学生自らが実施する調査やトレーニングを必要とする学習】
オフィスアワー ／Office Hours	本授業に関する質問や相談等は、Moodleのフォーラム（掲示板）を用いて随時受け付けます。 また、本授業は、同時双方向型のビデオ会議（Teams）を用いたサポート室を開設します（吉野、三浦、西村が対応）。開設時間は授業の中で案内します。 問い合わせ用メールアドレス（ds-class@ml.wakayama-u.ac.jp）
科目ナンバリング ／Course Numbering	C60031J1010021d1

No.	回（日時） ／Time (date and time)	主題と位置付け（担当） ／Subjects and instructor's position	学習方法と内容 ／Methods and contents	備考 ／Notes
1	（1）	講義の概要、成績評価、受講⽅法	・クイズ、小テスト、レポートについて ・Teamsによるオンラインサポート室について ・データサイエンスの必要性 ・世の中のグラフやデータを疑ってみよう ・因果関係と相関関係の誤解	・ＰＣを使用・遠隔授業 （オンデマンド型）
2	（2）	データサイエンス・AIの役割	・ビッグデータの時代とデータサイエンス ・資源としてのデータ ・求められるデータサイエンティスト	・ＰＣを使用・遠隔授業 （オンデマンド型）
3	（3）	データ分析とAIのためのデータの取得と管理	・データ分析の対象や目的の設定 ・データの形とデータの容量，情報量の単位（ビットとバイト） ・2進数，8進数，16進数，N進数 ・大規模なデータの利用、データの取得方法、データの前処理 ・気象庁のデータの利用とグラフの作成	・ＰＣを使用・遠隔授業 （オンデマンド型）
4	（4）	データ分析・AI活用における心得	・データ分析・AI活用におけるELSIとは？ ・安全性，アカウンタビリティ，透明性，説明性 ・データの潜むバイアス ・バイアスによって発生するAIシステムのELSI ・データ・AI利活用事例を紹介した動画を使った反転学習の説明	・ＰＣを使用・遠隔授業 （オンデマンド型）
5	（5）	データ分析の基礎：ヒストグラム、箱ひげ図、平均値と分散	・尺度水準 ・ヒストグラム ・箱ひげ図 ・平均値と分散 ・気象庁のデータを用いたグラフの作成	・ＰＣを使用・遠隔授業 （オンデマンド型）
6	（6）	散布図と相関係数、回帰直線	・散布図 ・相関係数 ・回帰直線 ・e-Statの家計調査データと気象庁のデータを用いた予測を体験	・ＰＣを使用・遠隔授業 （オンデマンド型）
7	（7）	データ分析で注意すべき点	・相関係数と因果関係 ・観察研究と実験研究 ・標本調査 ・適切なグラフの使い方 ・総務省のデータとe-Statのデータを用いた相関係数とグラフの作成	・ＰＣを使用・遠隔授業 （オンデマンド型）
8	（8）	フォローアップ講義	・これまでの質問に対する教員からの回答、解説 ・オンラインでの参加学生間でのグループディスカッション	同時双方向型ビデオ会議（Teams）による質疑応答