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	2026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
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	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, 1,719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、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Ｂ、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）	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	・ＰＣを使用・同時双方向型ビデオ会議（Teams）による遠隔授業