授業科目名	データサイエンス入門
時間割番号	CDS014
担当教員名	安藤　英俊／清水　毅／則竹　史哉／中村　一彦
開講学期・曜日・時限	後期・水・III	単位数	2
＜対象学生＞
工学部・2024年度入学生
＜授業の目的＞
本講義では､デジタル社会の「読み・書き・そろばん」的な素養であるデータ取り扱いの基礎知識について学びます。 現在､私たちの周りを見渡すと､インターネットの普及､スマートフォン､タブレットは誰もが使っており､改めてデジタル社会であることが分かります。この環境の中で､データの取り扱い方やデータから得られる意味を理解することはデジタル社会を生きる上で重要な役割を担います。また､データから得られる知見により､企画､開発､研究などでは､取るべき新たな行動を決定できます。最近では､ビッグデータと呼ばれる､地球の気象情報､全国の全工場の稼働データ､インターネット内のSNSデータなど､大規模かつ複雑なデータを扱うケースが増えており､それらを効率よく処理・利用するために確率・統計学やAI､機械学習などに基づく「数理・データサイエンス・AI」技術が利用されています。 　このような現代の情報化社会に対応できるようになるために､データの収集方法やその分析方法､結果を吟味するための素養を身に付けておく必要があります。すでに海外では様々な対象・レベルの「数理・データサイエンス・AI」教育が活発に取り組まれており､日本でも文理を問わずすべての大学・高専の全学生が必修科目としてリテラシーレベルの「数理・データサイエンス・AI」習得することが目標とされています。そこで､本講義では､データサイエンスの「楽しさ」や「学ぶことの意義」を導入として､実際にデータを用いた活用方法の基礎技術を習得し､データ収集や取り扱いの留意すべき点を学びます。
＜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）
全学共通教育科目向け 記号 コンピテンシー（能力・資質） 説明   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。 ○ 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。 ○ C 情報倫理力 情報を倫理的、合法的に収集・活用できる。 ○ D 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。 ◎ 工学部>工学科1年次向け 記号 コンピテンシー（能力・資質） 説明   工-A 専門 ①教養・基礎知識 工学の広い教養と自然科学の基礎知識を活用 ○ 工-B ③数理データ分析力 ICT等により多様な情報を適切に収集し数理的に分析 ◎ 工-C ⑦理解力･判断力 自然現象や社会的事象を理解・分析 ○ 工-D ⑧論理的思考力 問題や課題を論理的思考で解決 ○
＜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 共通 工学 1 データサイエンスの役割と、データ・AIの活用の重要性について説明できる。 A － 2 現代の社会で利用されている様々なデータの活用方法や価値創出について説明できる。 B － 3 AI（人工知能）と機械学習の仕組みを説明できる。 C － 4 Python、 Excel等のソフトウェアを利用して、データの集計・加工や散布図・ヒストグラムなどのグラフ作成ができる。 D － 5 統計解析を基にデータを読み解きその特徴（代表値、分散、標準偏差、相関係数など）を説明できる。 D － 6 工学，自然科学の基礎知識を活用してデータの特徴を説明できる。 － 工-A 7 データの適切な取得や管理ができる。 － 工-B 8 データの特徴に基づき，自然現象や社会的事象を説明できる。 － 工-C 9 問題や課題を論理的思考で解決できる。 － 工-D
＜成績評価の方法＞
目標No 割合 評価の観点 1 15% 該当する項目を正しく解答あるいは説明できるかを評価する。 2 15% データや情報を適切に収集しそれらを適切に活用できるかを評価する。 3 15% AI（人工知能）と機械学習の仕組みについての説明の正確さを評価する。 4 15% 実施された課題についての正確さを評価する。 5 15% 課題の解答についての正確さを評価する。 6 10% 課題の解答についての正確さを評価する。 7 5% データの適切な取得や管理ができるかを評価する。 8 5% 課題の解答についての正確さを評価する。 9 5% 課題の解答についての正確さを評価する。 合計 100%
＜授業の方法＞
・履修者は授業開始までにあらかじめ指示された動画・スライド等を閲覧し、授業内容の理解を確認する小テストに回答する。 ・パソコンを利用して課題に取り組みます。 ・小テストのほか、課題によってはレポートによる評価も行う。 ・面接授業またはライブ（オンデマンドも活用）で行いますが、状況を見て講義始めにCNSで連絡します。
＜受講に際して・学生へのメッセージ＞
パソコンを利用しますので、基本的な使用方法について十分理解しておいて下さい。
＜テキスト＞
(未登録)
＜参考書＞
北川源四郎, 竹村彰通編 ; 赤穂昭太郎 [ほか] 著, 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, 講談社, ISBN:4065307899, (2023年出版 データサイエンス入門)
＜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 （事前学習）なし （事後学習）振り返りを行い、課題をMoodleに提出 授業内容 ・ガイダンス ・データサイエンスの概要 2 タイトル 機械学習・AI概論、ニューラルネットワーク 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 機械学習手法、AI概要について学習する。 3 タイトル ベクトルと行列の基礎1 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 ・ベクトルと行列の定義、加減乗算、逆行列などの基礎について学習する。 4 タイトル ベクトルと行列の基礎2 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 ・零行列と単位行列、逆行列などの基礎について学習する。 5 タイトル データサイエンスの手法1 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 クロス集計、決定木分析について学習する。 6 タイトル データサイエンスの手法2 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 アソシエーション分析、クラスタリングについて学習する。 7 タイトル 確率と場合の数 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 ・確率の意味、古典的確率 ・場合の数（順列と階乗、組み合わせ）について学習する。 8 タイトル Excel でヒストグラムを作成する。 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 ・Excel のグラフ機能を使ってヒストグラムを作成する。 ・Excel のデータ分析ツールを使って度数分布表とヒストグラムを作成する。 9 タイトル Excel で回帰分析を行う 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 Excelを使った散布図作成、相関係数の計算、回帰直線について学習する。 10 タイトル 統計グラフ 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 ・統計グラフの種類と適切な使い方について学習する。 ・ヒストグラムの特徴と作り方、ヒストグラム作成時の注意点を学習する。 11 タイトル 箱ひげ図 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 四分位数、箱ひげ図について学習する。 12 タイトル 相関 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 散布図、相関と相関係数、相関の分析に関する注意点について学習する。 13 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 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 回帰直線と決定係数、相関関係と因果関係についてさらに詳しく学習する。 14 タイトル 公理的確率 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）振り返りを行い、その結果をMoodleに提出 授業内容 ・確率に関する用語、功利的確率の定義について学習する。 ・確率変数、確率分布、期待値について学習する。 15 タイトル 大数の法則、総括 事前学習 事後学習 （事前学習）事前学習動画を視聴 （事後学習）なし 授業内容 ・二項分布、大数の法則 ・これまでの振り返りとまとめ 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
＜前年度授業に対する改善要望等への対応＞
新規開設科目につき該当しない
＜備考＞
(未登録)