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Ｂ／Invitation to Data Science B
時間割コード ／Course Code	G1001046_G1
開講所属 ／Course Offered by	共通／
ターム・学期 ／Term・Semester	2026年度／Academic Year　　第2クォーター／2Q
曜限 ／Day, Period	木／Thu　6
開講区分 ／Semester offered	第2クォーター／2Q
単位数 ／Credits	1.0
学年 ／Year	1
主担当教員 ／Main Instructor	吉野　孝／YOSHINO Takashi
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	要件年度 ／Required Year 要件所属 ／Course Name ディプロマポリシー ／Diploma Policy DP値 ／DP Point 2020/04 ～9999/04 共通 幅広い教養と分野横断的な学力 7 2020/04 ～9999/04 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／YOSHINO Takashi	システム工学部（教員）

授業の概要・ねらい ／Course Aims	データサイエンスの基本的な手法の紹介、Excelを中心とした演習を行う。また，コンピュータを用いた分析の紹介としてBIツールの紹介、世の中の活用事例などを紹介する講義を実施する。
到達目標 ／Course Objectives	１．データサイエンスの基本的な手法の概要や特徴を説明できる。 ２．コンピュータを用いた分析方法の特徴の概要を説明できる。 ３．データサイエンスの必要性を理解し、その応用事例を説明できる。
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。レポート課題の提出があっても、内容が不十分な場合には、評価は低くなります。
教科書 ／Textbook	データサイエンス入門 第3版, 学術図書出版社, ISBN: 4780607299, 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、次のようなものがあります。 ※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 : 9784478022214, 1,980円 統計学が最強の学問である［実践編］, ダイヤモンド社, ISBN: 4478028230, 2,640円
履修上の注意 ・メッセージ ／Notice for Students	・授業内でＰＣを使用します。各自PCを準備すること。 ・基本がオンデマンド型の講義です。ただし、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1回実施します。 ・オンデマンド型及び同時双方向型のビデオ会議（Teams）の講義では、視聴状況（授業参加状況）を確認します。視聴がない場合には、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。 ・小テストは、Moodleコース上で実施します。 ・レポート提出は、Moodleコース経由での提出となります。 ・「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。この科目を通じて、コンピュータを用いた分析に関する基本的な理解を深めてください。   ・下記にこの科目や関連科目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
履修を推奨する関連科目 ／Related Courses	データサイエンスへの誘いＡ、データサイエンス入門Ａ/Ｂ、データサイエンス基礎、データサイエンス応用、データサイエンス実践、数理・データサイエンス・AI活用PBL
授業時間外学修（予習・復習等）の内容 ／students learning outside of the class, preparation and review are included	授業計画に沿って、準備学習と復習を行ってください。1単位の学修のために必要な学修量は、授業時間と予習復習の時間をあわせて45時間と定められています。それぞれに見合う自主的学修時間を確保する必要があります。講義内容およびExcelの操作等は、理解を前提の上で授業を進めます。不明なところを不明なままにしないようにして進めてください。
その他連絡事項 ／Other messages	教材や資料は、Moodleコースを用いて配信されます。指定された〆切までに動画教材の視聴を完了して、小テストの受験、課題提出をしてください。
授業理解を深める方法 ／How to deepen your understanding of classes	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。 【「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	この科目に関する質問や相談等は、Moodleのフォーラム（掲示板）等を用いて随時受け付けます。 また、この科目を含むデータサイエンス科目群では、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）。開設日時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	C60031J1010011A1
実務経験のある教員等による授業科目 ／Practical Experience	実践的教育 ／Practical Education 1. 該当しない 実践的教育の内容 ／Contents

No.	回（日時） ／Time (date and time)	主題と位置付け ／Subjects and position in the whole course	学習方法と内容 ／Methods and contents	備考（担当） ／Notes
1	（1）	データサイエンス・AIの⼿法：クロス集計，回帰分析	・クロス集計 ・線形回帰 ・結果の見方、外れ値の影響 ・逆回帰 ・主成分分析 ・実データを用いた住みたい都道府県得点の予測を体験	・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の⼿法：ベイズ推論，アソシエーション分析	・ベイズ推論 ・アソシエーション分析（バスケット分析） ・実データを用いたバスケット分析の体験	・ＰＣを使用・遠隔授業 （オンデマンド型）
3	（3）	データサイエンス・AIの⼿法：クラスタリング，決定⽊	・クラスタリング ・決定木 ・e-statのデータ（旅行、人口、病院、犯罪等）を用いたクラスタリング	・ＰＣを使用・遠隔授業 （オンデマンド型）
4	（4）	データサイエンス・AIの⼿法：ニューラルネットワーク，機械学習と⼈⼯知能	・ニューラルネットワーク ・機械学習と人工知能 ・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）	コンピュータを⽤いたデータ分析・AI活用の紹介：BIツールの利用	・Tableauを利用したデータの可視化	・ＰＣを使用・遠隔授業 （オンデマンド型）
6	（6）	データサイエンス・AIの応⽤事例：マーケティング，⾦融，品質管理，画像処理，⾳声処理，医学	・マーケティング，⾦融，品質管理の応用事例の紹介 ・画像処理，⾳声処理，医学の応用事例の紹介 ・データサイエンス・AIの最新動向	・ＰＣを使用・遠隔授業 （オンデマンド型）
7	（7）	公的統計データの利活⽤	・公的統計とは ・公的統計からわかること ・公的統計のできるまで ・公的統計の使い方 ・公的統計の新たな取組	ゲストスピーカー ・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	・ＰＣを使用・同時双方向型ビデオ会議（Teams）による遠隔授業