授業科目名	データエンジニアリング基礎
時間割番号	TPC309
担当教員名	安藤　英俊
開講学期・曜日・時限	後期・月・I	単位数	2
＜対象学生＞
2022年度以降入学生
＜授業の目的＞
インターネットの社会への広範囲な浸透、 情報通信・計測技術の飛躍的発展によって、従来とは質・量ともに全く異なるビッグデータが産み出されるようになった。ビッグデータや人工知能（ＡＩ）技術の活用領域は予測、意思決定、異常検出、自動化、最適化など多岐に亘って急速に拡大しており、自動運転、画像認識、医療診断、防犯、コンピュータゲームなど、従来の社会システムの在り方を大きく変えつつある。近年は、ビッグデータやＡＩの利活用に関し、米国や中国の巨大企業等を中心とした競争が激化しており、国内外の経済成長の要因も従来の労働力・資本・技術革新から、データから価値を生み出す産業領域へと大きくシフトしている。「数理・データサイエンス・AI」は、今後のデジタル社会の基礎知識（いわゆる「読み・書き・そろばん」的な素養）として捉えられ、大学・高専の全ての学生が身に付けておくべき素養である。 これに伴い政府の「ＡＩ戦略 2019」では、「我が国が、人口比ベースで、世界で最もＡＩ時代に対応した人材の育成を行い、世界から人材を呼び込む国となること。さらに、それを持続的に実現されるための仕組みが構築されること」が第一の戦略目標とされた。この授業ではリテラシーレベルの教育を補完的・発展的に学修することにより、履修学生が自らの専門分野への数理・データサイエンス・ＡＩの応用基礎力を習得することを目標としている。 この授業ではより具体的には、データサイエンスおよびデータエンジニアリングの基本的な概念と手法、応用例を学ぶことで、データから意味を抽出し、現場にフィードバックするための方法を理解することを目指す。
＜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>コンピュータ理工学科向け 記号 コンピテンシー（能力・資質）   CS-A 専門 5.時代の変化に対応できるよう、最新の技術動向を考慮して、自律的・継続的に学習できる。 ○ CS-B 6.情報科学、及び、数学や自然科学等の知識と手法を用いて、以下のことができる。 6a.解決すべき問題を形式化することができる。 ○ CS-C 6b.要求、時間、費用、資源等の制約条件を考慮した上で、複数の解が存在するような複雑な問題の中から適切な解を見つけ出すことができ ◎ CS-D 6c.各種のツールや手法に関する十分な知識をもち、それらをシステムの設計・開発・運用に応用できる。 ○
＜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 CS 1 データ駆動型社会においてデータサイエンスを学ぶことの意義を説明できる CS-A 2 分析目的に応じ、適切なデータ分析手法、データ可視化手法を選択できる CS-B 3 データを収集・処理・蓄積するための技術の概要を説明できる CS-D 4 コンピュータでデータを扱うためのデータ表現の基礎を説明できる CS-C
＜成績評価の方法＞
目標No 割合 評価の観点 1 15% 中間評価によって目標1の理解度を評価する 2 35% 中間評価とレポートによって目標2の理解度・応用力を評価する 3 15% 最終評価によって目標3の理解度を評価する 4 35% 最終評価とレポートによって目標4の理解度・応用力を評価する 合計 100%
＜授業の方法＞
対面授業が可能な場合には「面接授業」による対面形式で講義・演習を行う． オンライン授業となる場合には，「オンデマンド型」と「ライブ型」の併用により反転授業の形式で授業を進める（授業前に講義ビデオによる受講し，授業時間中は講義内容の確認，質疑応答等を行う）
＜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＞
北川 源四郎 他, 応用基礎としてのデータサイエンス AI×データ活用の実践 (データサイエンス入門シリーズ), 講談社, ISBN:4065307899
＜授業計画の概要＞
1 タイトル 第 1 回 データ駆動型社会とデータ分析の進め方 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 データ駆動型社会とデータサイエンスの関連性について学ぶ 2 タイトル 第 2 回 データの記述 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 データほ種類，基本統計量，データの要約法について学ぶ 3 タイトル 第 3 回 データの可視化 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 典型的なデータ可視化方法を学ぶ 4 タイトル 第 4 回 データ分析の手法 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 典型的なデータ分析手法を学ぶ 5 タイトル 第 5 回 数学基礎 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 データ・AI利活用に必要な確率統計、線形代数、微分積分の基礎を学ぶ 6 タイトル 第 6 回 中間評価（前半の総括とまとめ） 事前学習 事後学習 授業内容 7 タイトル 第 7 回 ビッグデータとデータエンジニアリング 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 ICT（情報通信技術）の進展とビッグデータについて学ぶ 8 タイトル 第 8 回 データ表現 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 コンピュータでデータを扱うためのデータ表現の基礎を学ぶ 9 タイトル 第 9 回 プログラミング基礎 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 データ・AI利活用に必要なプログラミングの基礎を学ぶ 10 タイトル 第 10 回 アルゴリズム基礎 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 データ・AI利活用に必要なアルゴリズムの基礎を学ぶ 11 タイトル 第 11 回 データの収集 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 Webサイトやエッジデバイスからのデータ収集方法を学ぶ 12 タイトル 第 12 回 データの加工 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 収集したデータの加工方法を学ぶ 13 タイトル 第 13 回 データベース 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 データベースからのデータ抽出方法を学ぶ 14 タイトル 第 14 回 ITセキュリティ 事前学習 事後学習 ビデオの視聴・確認テスト 授業内容 データ・AI利活用に必要なITセキュリティの基礎を学ぶ 15 タイトル 第 15 回 最終評価（後半の総括とまとめ） 事前学習 事後学習 授業内容 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
＜実務経験のある教員による授業科目の概要＞
授業担当者は長年データ解析，データ可視化，セキュリティ，データベース等を実務で活用してきており，教育経験も豊富である．理論だけでなく実務経験に基づく実践的な演習内容を提供する．
＜備考＞
(未登録)