シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2026/04/06 現在 |
|
開講科目名 ／Course |
（人数制限科目）データサイエンス概論２／Introduction to Data Science 2 | ||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
時間割コード ／Course Code |
S1407620_S1 | ||||||||||||||||||||||||||||||||||||
|
開講所属 ／Course Offered by |
システム工学部／Faculty of Systems Engineering | ||||||||||||||||||||||||||||||||||||
|
ターム・学期 ／Term・Semester |
2026年度／Academic Year 第2クォーター／2Q | ||||||||||||||||||||||||||||||||||||
|
曜限 ／Day, Period |
水／Wed 2 | ||||||||||||||||||||||||||||||||||||
|
開講区分 ／Semester offered |
第2クォーター／2Q | ||||||||||||||||||||||||||||||||||||
|
単位数 ／Credits |
1.0 | ||||||||||||||||||||||||||||||||||||
|
学年 ／Year |
2,3,4 | ||||||||||||||||||||||||||||||||||||
|
主担当教員 ／Main Instructor |
堅田 俊 | ||||||||||||||||||||||||||||||||||||
|
授業形態 ／Lecture Form |
講義 | ||||||||||||||||||||||||||||||||||||
|
教室 ／Classroom |
北１号館Ａ１０１, 北１号館Ａ１０３／北１号館Ａ１０１, 北１号館Ａ１０３ | ||||||||||||||||||||||||||||||||||||
|
開講形態 ／Course Format |
|||||||||||||||||||||||||||||||||||||
|
ディプロマポリシー情報 ／Diploma Policy |
|
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 伊原 彰紀 | システム工学部（教員） |
| 堅田 俊 | システム工学部（教員） |
|
授業の概要・ねらい ／Course Aims |
データサイエンス概論では，科学やビジネスにおいて記録，蓄積される「データ」から自然現象の傾向，合理的な意思決定を定性的，定量的に解釈するための方法論を学ぶ．特に，データの取得，解析，モデル構築，検証，課題解決までを一貫して学ぶことで，データマイニングが対象とするデータ取得からモデル構築の基礎から応用までの知識を習得する．講義では，データサイエンスの実践的な活用方法としてデータに基づくシステム開発計画，品質評価の基礎技術を修得する．プログラミング言語はPythonを用いる． | ||||
|---|---|---|---|---|---|
|
到達目標 ／Course Objectives |
データサイエンスの基礎となる確率・統計の基本的な知識と手法を習得し，応用できる．記録，蓄積されたデータの理解，および，解析手法の概念を理解し，基本的なデータ解析及び結果に関する考察ができる．統計学の基礎知識に基づく説明，および，計算機を利用した基本的な統計解析，データマイニングができる． | ||||
|
成績評価の方法・基準 ／Grading Policies/Criteria |
各回のレポート課題は次のＡで評価し，合計30点満点とする．単位認定試験は次のＢで評価し，70点満点とする． Ａ：課題に対する理解度 Ｂ：授業で扱った課題に関する設問 成績評定は，次の区分（課題/回，単位認定試験の合計点）とする． Ｓ：十分達成し，多様なデータに解析手法を応用できる（90点〜100点） Ａ：十分達成している（80点〜89点） Ｂ：達成している（70点〜79点） Ｃ：おおむね達成している（60点〜69点） 不可：達成していない（60点未満） |
||||
|
教科書 ／Textbook |
講義中に資料を配布します． | ||||
|
参考書・参考文献 ／Reference Book |
講義中に適宜紹介します． | ||||
|
履修上の注意 ・メッセージ ／Notice for Students |
・毎回の授業の出席は必須です．単位認定試験の受験には，原則として授業回数の5回以上の出席を必要とします． ・本講義では，講義中に演習を行います．演習では，プログラム言語としてPythonを使い，Pythonの使い方も講義中で説明しますが，本講義の目的はデータサイエンスに関する基本的な知識と手法の習得であり，Pythonの習得を目的としていません． ・演習用のPCを持参してください． |
||||
|
履修を推奨する関連科目 ／Related Courses |
線形代数，微積分，確率統計に関する科目を受講していることが望ましい．特にデータサイエンス概論１を受講していることが望ましい．また，情報系の科目，プログラミングを伴う演習系の科目，人工知能に関する科目などは，講義内容の理解の助けとなります． | ||||
|
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 |
授業計画に沿った予習・復習，および，レポート作成に関する課題調査・考察に，授業時間外学習を行うことを必要とする．毎回の授業ごとに自主的学修を求める． 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る．それぞれに見合う自主的学修時間を確保すること． |
||||
|
その他連絡事項 ／Other messages |
本講義は対面授業で実施し，初回授業に注意事項を説明するため必ず出席すること．予習に基づく演習課題を出すため，各回の数日前に公開する講義資料，演習資料を使って予習が必要となります． | ||||
|
授業理解を深める方法 ／How to deepen your understanding of classes |
本講義は，事前の予習内容に基づき，演習課題，状況に応じてグループワークで議論し，結果をグループ内で発表する． 【「アクティブ・ラーニング」実施要項 ①,③,⑤,⑧,⑩】 |
||||
|
オフィスアワー ／Office Hours |
水曜日3限，A516 他学生との重複，出張等で不在の場合があるため，事前メール予約推奨． skatada＠wakayama-u.ac.jp |
||||
|
科目ナンバリング ／Course Numbering |
S61032J11110S202，S61032J11110T202，S61032J11110U202，K61032J11110P273 | ||||
|
実務経験のある教員等による授業科目 ／Practical Experience |
|
| 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 | データの可視化 | QC7つ道具 | PC使用 |
| 2 | 2 | 情報推薦システム | 協調型推薦，内容ベース型推薦 | PC使用 |
| 3 | 3 | データサイエンスの活用（自然言語処理入門1） | 形態素解析，N-gram | PC使用 |
| 4 | 4 | データサイエンスの活用（自然言語処理入門2） | 文字列の類似度，重要単語抽出 | PC使用 |
| 5 | 5 | データサイエンスの活用（データに基づく品質・工程管理） | 数理計画法 | PC使用 |
| 6 | 6 | データ管理 | バージョン管理 | PC使用 |
| 7 | 7 | データ解析におけるプライバシー保護 | プライバシー侵害の種類，差分プライバシー | PC使用 |
| 8 | 8 | データ解析演習と単位認定試験 | データ解析演習 単位認定試験 |
PC使用 |