シラバス参照

授業情報/Class Information

科目一覧へ戻る 2021/09/30 現在

基本情報/Basic Information

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
2021年度/Academic Year  第2クォーター/2Q
曜限
/Day, Period
水/Wed 5
開講区分
/Semester offered
第2クォーター/2Q
単位数
/Credits
1.0
学年
/Year
1,2
主担当教員
/Main Instructor
吉野 孝
科目区分
/Course Group
 
授業形態
/Lecture Form
教室
/Classroom

担当教員情報/Instructor Information

教員名
/Instructor
教員所属名
/Affiliation
呉 海元 システム工学部(教員)
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
データサイエンスの基本的な手法の紹介、コンピュータを用いた分析の紹介としてRとPython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。
教科書
/Textbook
講義に関するPDFを配布します。
参考書・参考文献
/Reference Book
データサイエンス入門 第2版、学術図書(ISBN-10 : 4780607302)、2,200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、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下さい。  
履修する上で必要な事項
/Prerequisite
・授業内でPCを使用しますから、各自持参すること。
・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。
・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。
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、毎週配信されます。
科目ナンバリング
/Course Numbering
C0210002J
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。
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(講義の時間)に対応します。  
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,データサイエンス入門A/B
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、呉、三浦、西村が対応)。開設時間は授業の中で案内します。
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
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
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
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
5 (5) コンピュータを⽤いたデータ分析・AI活用の紹介:RとPython ・Pythonを利用した実データの可視化
・Rを利用した実データの可視化
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
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
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
オンラインによる実施

科目一覧へ戻る