シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2020/05/12 現在 |
|
開講科目名 ／Course |
データサイエンス入門Ｂ |
|---|---|
|
時間割コード ／Course Code |
G1001048_G1 |
|
開講所属 ／Course Offered by |
共通／ |
|
ターム・学期 ／Term・Semester |
2020年度／Academic Year 第4クォーター／4Q |
|
曜限 ／Day, Period |
木／Thu 1 |
|
開講区分 ／semester offered |
第4クォーター／4Q |
|
単位数 ／Credits |
1.0 |
|
学年 ／Year |
1,2,3,4 |
|
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 |
Ｇ－１０１教室／G-101 |
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 徳冨 智哉 | 大学共通 |
| 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 |
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。本講義では、特に、Rを用いたデータサイエンスの基本的な手法について講義を行う。 |
|---|---|
|
到達目標 ／Course Objectives |
１．データサイエンスの基本的な手法の特徴を理解し、説明することができる。 ２．Rを用いて、データサイエンスの基本的な手法を利用できる。 ３．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。 ４．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 |
毎回の講義の課題レポートによる評価 １００％ |
|
教科書 ／Textbook |
講義に関するＰＤＦを配布します。 |
|
参考書・参考文献 ／Rreference Book |
適時、講義中に紹介します。 |
|
履修上の注意 ・メッセージ ／Notice for Students |
「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。 |
|
履修する上で必要な事項 ／Prerequisite |
この講義では、講義中にＰＣを利用します。 |
|
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／Ｂ，データサイエンス入門Ａ |
|
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 |
授業内でPCを使用するので、各自持参すること。 |
|
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により、理解を深めて下さい。 |
|
オフィスアワー ／Office Hours |
木曜２限、講義後に対応します。その他、質問がありましたら、Moodle上の掲示板経由で対応します。 |
|
科目ナンバリング ／Course Numbering |
C0210004J |
|
高等教育無償化に関する特記事項 ／Special note on free higher education |
| 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 | 重回帰分析 | |||
| 2 | 決定木 | |||
| 3 | ｋ近傍法 | |||
| 4 | アソシエーション分析 | |||
| 5 | 主成分分析 | |||
| 6 | ｋ平均法 | |||
| 7 | 階層クラスタリング | |||
| 8 | データサイエンスの活用事例の紹介 | |||
| 9 | ||||
| 10 | ||||
| 11 | ||||
| 12 | ||||
| 13 | ||||
| 14 | ||||
| 15 | ||||
| 16 | ||||
| 17 | ||||
| 18 | ||||
| 19 | ||||
| 20 | ||||
| 21 | ||||
| 22 | ||||
| 23 | ||||
| 24 | ||||
| 25 | ||||
| 26 | ||||
| 27 | ||||
| 28 | ||||
| 29 | ||||
| 30 |