シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2024/04/11 現在 |
|
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 |
2024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 |
1,2,3,4 | |||||||||
|
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 |
|
|
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 |
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。 |
|
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、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。 ・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Ａ，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、毎週配信されます。 |
|
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（講義の時間）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） | 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 |
・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 |