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	◆データサイエンス入門Ａ／Introduction to Data Science A
時間割コード ／Course Code	G1001047_G1
開講所属 ／Course Offered by	共通／
ターム・学期 ／Term・Semester	2024年度／Academic Year　　第3クォーター／3Q
曜限 ／Day, Period	木／Thu　6
開講区分 ／Semester offered	第3クォーター／3Q
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 6 共通 課題解決力と自己学修能力 4

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	R を用いたデータサイエンスの入門となる講義を実施する。R は、フリーの統計解析向けのプログラミング言語およびその開発実行環境である。データを適切に処理・ 分析し、データの特徴を数値化または視覚化する技法を習得する。図表等で得られた結果の解釈の方法も身につける。この授業では、特に、Rの基本的な使い方、統計的手法の理解、データの可視化などを中心に講義を行う。
到達目標 ／Course Objectives	１．Rの操作方法とRを用いたプログラミングを理解する。 ２．データを適切に処理し、データの特徴を数値化、視覚化する技法を習得する。 ３．図表等で与えられた結果の解釈方法を身につける。
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ための小テスト・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、講義動画の視聴がされていない場合は、未受講と判断します。単にレポート課題が提出されていても、内容が不十分な場合には、評価が低くなります。
教科書 ／Textbook	Rで学ぶ統計的データ解析、講談社、ISBN-13 ‏ : ‎ 978-4065186190，3,300円
参考書・参考文献 ／Reference Book	※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。 ・R言語ではじめるプログラミングとデータ分析、ソシム、ISBN-10 : 4802612389，3,300円 　Rの入門とデータ分析の話として良いと思います。 ・Rによるデータサイエンス(第2版):データ解析の基礎から最新手法まで ，森北出版，ISBN-10 : 462709602X，3,960円 　データサイエンスの少し高度な内容として良いと思います． ・実践Data Scienceシリーズ ゼロからはじめるデータサイエンス入門 R・Python一挙両得、講談社、ISBN-13 ‏ : ‎ 978-4065132326，3,520円 　内容は重なっていますが、別の説明の仕方をしています。
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。この講義を履修すると、データサイエンスの基本的な事項を修得したこになります。Ｒの操作を修得すると、自分で収集したデータなどの分析もできるようになります。積極的に参加してください。 ・本授業を含めたデータサイエンス科目群のPR動画（YouTube）を公開しています。視聴して履修の参考にしてください。https://www.wakayama-u.ac.jp/news/2022020100056/
履修する上で必要な事項 ／Prerequisite	・授業内でＰＣを使用する。 ・この授業は、基本は、動画配信によるオンデマンド型遠隔授業で実施します。また、講義の中では、PCを用いた演習があります。 ・基本はオンデマンド型ですが、フォローアップ講義として、同時双方向型のビデオ会議（Teams）による講義を一回（最終回、第8回）実施します。 ・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。視聴していない場合には、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。 ・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Ａ／Ｂ、データサイエンス入門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
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。
その他連絡事項 ／Other messages	教材は、毎週配信されます。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。 この講義の教材は、和歌山県データ利活用推進センターの協力のもとに作成されています。
授業理解を深める方法 ／How to deepen your understanding of classes	Ｒの操作方法やプログラミングの理解のためには、実際に自分で入力して、試してみることが重要です。各回の講義は、相互に関係していますので、講義の復習や課題の復習をして、理解を深めて下さい。 【「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	C60031J1010021d2

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）	データサイエンス・AIとは何か	・講義概要、成績評価 ・オンデマンド型講義の受講の仕方、サポート室の紹介 ・講義の導入 　・データサイエンスとは何か？ 　・データリテラシーの必要性 　・AIの歴史 　・AIの活用領域の広がり 　・AIが社会に受け入れられるには？ ・Rとは、R環境の準備 ・Jupyter notebookの使い方 ・R言語の基本的な使い方	・ＰＣを使用・遠隔授業 （オンデマンド型）
2	（2）	R言語の基本操作と1変量の統計	・代表値（データの要約、平均値，トリム平均，加重平均，中央値，最頻値） ・ばらつき（散らばり）の指標（ばらつき（散らばり）とは、 ・範囲，平均偏差，四分位，箱ひげ図，分散，標準偏差） ・ヒストグラム ・Rの演習	・ＰＣを使用・遠隔授業 （オンデマンド型）
3	（3）	2変量の統計とクロス集計，相関係数	・2変量の統計 ・クロス集計 ・相関係数 ・Rの演習	・ＰＣを使用・遠隔授業 （オンデマンド型）
4	（4）	データの視覚化：棒グラフ，ヒストグラム，円グラフ，折れ線グラフ，帯グラフ	・データの可視化と必要性 ・棒グラフとヒストグラム ・円グラフ、帯グラフ、折れ線グラフ、箱ひげ図 ・散布図、ツリーマップ、その他のグラフ ・Rの演習	・ＰＣを使用・遠隔授業 （オンデマンド型）
5	（5）	単回帰分析と重回帰分析	・回帰分析とは ・線形単回帰分析 ・用語の説明（残差，回帰式，回帰係数，標準誤差，決定係数，予測値） ・重回帰分析 ・Rの演習	・ＰＣを使用・遠隔授業 （オンデマンド型）
6	（6）	判別分析	・判別分析とは ・判別分析の結果の評価 ・Rの演習	・ＰＣを使用・遠隔授業 （オンデマンド型）
7	（7）	ロジスティック回帰モデル	・ロジスティック回帰モデルとは ・ロジスティック回帰モデルの結果の評価 ・Rの演習	・ＰＣを使用・遠隔授業 （オンデマンド型）
8	（8）	課題解説や総評等	同時双方向型ビデオ会議（Teams）による授業を実施	第8回のみ同時双方向型ビデオ会議（Teams）での実施です