シラバス参照

授業情報/Class Information

科目一覧へ戻る 2020/05/12 現在

基本情報/Basic Information

開講科目名
/Course
データサイエンス基礎Ⅰ
時間割コード
/Course Code
R1001026_G1
開講所属
/Course Offered by
共通/
ターム・学期
/Term・Semester
2020年度/Academic Year  第1クォーター/1Q
曜限
/Day, Period
火/Tue 5
開講区分
/semester offered
第1クォーター/1Q
単位数
/Credits
1.0
学年
/Year
2,3,4
主担当教員
/Main Instructor
三浦 浩一
科目区分
/Course Group
_ 
授業形態
/Lecture Form
教室
/Classroom
学術情報センター第2演習室/学術情報センター第2演習室

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)
授業の概要・ねらい
/Course Aims
Pythonを使ったデータサイエンス(データ分析)の基礎として,基本的なPythonプログラミング方法とデータ分析方法の両方を修得する講義を実施する.Pythonを用いた,基本的なデータの加工,作成方法,可視化手法の修得を目指す.
到達目標
/Course Objectives
1.Pythonのプログラミング方法を理解する.
2.Pythonを使ってデータを適切に処理し,その特徴を数値化・視覚化する方法を習得する.
3.図表等で与えられた結果の解釈方法を身に着ける.
成績評価の方法・基準
/Grading Policies/Criteria
課題レポート100%
教科書
/Textbook
特にありません.
参考書・参考文献
/Rreference Book
東京大学のデータサイエンティスト育成講座 ~Pythonで手を動かして学ぶデ―タ分析~・塚本邦尊,山田典一,大澤文孝・マイナビ出版・9784839965259
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.一方,データサイエンスの分野では,データ解析の多くにPythonが利用されています.この講義を履修すると,データサイエンスの基本事項を修得するとともに,Pythonの基本操作も修得します.そのためには,積極的に参加し,実際に手を動かしながら学習してください.
履修する上で必要な事項
/Prerequisite
特にありません.
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/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.
その他連絡事項
/Other messages
授業内でPCを使用します.各自PCを持参してください.また,PCの基本的な操作については各自が事前に習得していることを前提としています.
授業理解を深める方法
/How to deepen your understanding of classes
オフィスアワー
/Office Hours
質問等は,三浦浩一教員がとりまとめを行います.
授業開講時:木曜日・12時30分~13時
訪問先:北1号館6階A606室
可能な限りe-mail等(miurah@wakayama-u.ac.jp)による事前予約を行ってください.
科目ナンバリング
/Course Numbering
C9340001J
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 1. Pythonを用いたデータ分析の概要
2. Pythonによる科学計算
3. データの加工処理
4. データの可視化
5. 確率と統計の基礎(1)
6. 確率と統計の基礎(2)
7. 機械学習の入門
8. 機械学習の基礎知識

2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

科目一覧へ戻る