授業科目名	基礎統計学
時間割番号	TCE103
担当教員名	宮本　崇
開講学期・曜日・時限	前期・金・IV	単位数	2
＜対象学生＞
2019年度以前の入学生
＜授業の目的＞
情報化の進む現代において，データサイエンスは分野を問わず必須の知識となっています．本講義では，データ処理の基本である統計学の知識や関連する数学を学ぶとともに，AI等のより発展的なデータサイエンス手法と基礎となる事項を学習します．
＜本授業科目による獲得・涵養が特に期待されるコンピテンシー＞（能力・資質）
工学部>土木環境工学科向け 記号 コンピテンシー（能力・資質） 説明   CE-A 共通 汎用能力 ２・情報リテラシー 情報収集力 図書館やインターネットなどから多様な文献や資料を入手できる。 ○ CE-B 情報選択力 収集した文献や資料から、適切な情報を選択し、活用できる。 ○ CE-C ３・数量的リテラシー さまざまな情報を統計学的手法などにより、数理的に表現・分析できる。 ◎ CE-D ４・論理的思考力 情報を多面的・客観的にとらえ、筋道を立てて根拠を示しながら説明できる。 ○
＜到達目標＞  到達目標とは
目標NO 説明 コンピテンシーとの対応 CE 1 確率と統計の様々な概念を説明できる． CE-C 2 Excelを使って統計グラフの作成と代表値・統計量の計算ができる． CE-B 3 データ分析のための手法である回帰分析について説明できる． CE-D 4 機械学習・AIがどのような技術であるかを説明できる． CE-A
＜成績評価の方法＞
目標No 割合 評価の観点 1 30% （小テスト，レポート）統計と関連数学を活用した課題への回答内容を評価する． 2 30% （レポート）グラフ作成や統計量計算に関する課題への回答内容を評価する． 3 25% （小テスト，レポート）回帰分析に関する課題への回答内容を評価する． 4 15% （小テスト，レポート）AIの概要に関する課題への回答内容を評価する． 合計 100%
＜授業の方法＞
授業動画を活用しながら，オンデマンド式・オンライン式・対面式を授業内容や社会情勢に応じて判断しながら実施します． 第1回時の説明や，その後のCNSでの通知などを適宜参照してください．
＜受講に際して・学生へのメッセージ＞
(未登録)
＜テキスト＞
(未登録)
＜参考書＞
竹村彰通, 姫野哲人, 高田聖治編 ; 和泉志津恵 [ほか] 共著, データサイエンス入門, 学術図書出版社, ISBN:9784780607017, (2019年出版 データサイエンス大系)
＜授業計画の概要＞
1 タイトル データサイエンス概論 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 データサイエンスで扱う内容全般と，その社会との関わりについて説明する． 2 タイトル データの取得と整理 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 オープンデータなどの利用や，取得したデータの整理方法について概説する． 3 タイトル Excelの基礎 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 Excelを用いたデータ整理法について説明する． 4 タイトル データサイエンスの数学（１）：ベクトルと行列の基礎 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 データ処理において必要となるベクトル・行列の概念を説明する． 5 タイトル 統計グラフとExcelによるグラフ作成（１）：棒グラフ、折れ線グラフ、円グラフ、積み上げグラフ 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 統計グラフの種類とExcelによるグラフ作成方法を説明する． 6 タイトル データの代表値（平均値、中央値、最頻値、分散、不偏分散、標準偏差、ヒストグラム） 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 データの特性である様々な代表値の意味を説明する． 7 タイトル 箱ひげ図の考え方 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 統計グラフの一種である箱ひげ図について説明する． 8 タイトル 統計グラフとExcelによるグラフ作成（２）：箱ひげ図の作成 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 Excelによる箱ひげ図の作成方法を説明する． 9 タイトル データの相関：相関係数、相関と因果、疑似相関 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 2種のデータ間の関係性を表す相関について説明する． 10 タイトル 回帰直線と決定係数、相関関係と因果関係 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 あるデータから別のデータを説明する，回帰や相関係数の考え方を説明する． 11 タイトル Excelによる回帰分析 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 Excelを用いた回帰分析の方法を説明する． 12 タイトル データサイエンスの数学（２）：場合の数（順列、組合せ、場合の数） 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 データ処理において必要となる場合の数の概念を説明する． 13 タイトル データサイエンスの数学（３）：確率（確率分布、確率変数、確率密度関数、大数の法則） 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 データ処理において必要となる確率の概念を説明する． 14 タイトル データサイエンスの数学（４）：二項分布、正規分布 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 データ処理において必要となる二項分布や正規分布の概念を説明する． 15 タイトル AI概論 事前学習 事後学習 ・ビデオや配布資料，参考書などから事前に講義内容を把握する． ・講義や小テスト内容を振り返り，要点を整理する． 授業内容 AI技術に関する基礎と社会との関わりを説明する． 16 タイトル 事前学習 事後学習 授業内容 17 タイトル 事前学習 事後学習 授業内容 18 タイトル 事前学習 事後学習 授業内容 19 タイトル 事前学習 事後学習 授業内容 20 タイトル 事前学習 事後学習 授業内容 21 タイトル 事前学習 事後学習 授業内容 22 タイトル 事前学習 事後学習 授業内容 23 タイトル 事前学習 事後学習 授業内容 24 タイトル 事前学習 事後学習 授業内容 25 タイトル 事前学習 事後学習 授業内容 26 タイトル 事前学習 事後学習 授業内容 27 タイトル 事前学習 事後学習 授業内容 28 タイトル 事前学習 事後学習 授業内容 29 タイトル 事前学習 事後学習 授業内容 30 タイトル 事前学習 事後学習 授業内容
＜JABEEプログラムの学習・教育目標との対応＞
《土木環境工学科》 (B) 技術者としての知的基盤の形成 　科学技術における基礎としての数学、自然科学、情報処理能力を身につけ、知的基盤を形成して、これを応用することができる。 ◎
＜備考＞
(未登録)