| 授業科目名 | データサイエンス入門 | ||||||||||||||
| 時間割番号 | CDS009 | ||||||||||||||
| 担当教員名 | チェン リー チュイ | ||||||||||||||
| 開講学期・曜日・時限 | 後期・金・I-1-II-1 | 単位数 | 2 | ||||||||||||
| ＜対象学生＞ | |||||||||||||||
| 応用化学科 | |||||||||||||||
| ＜授業の目的＞ | |||||||||||||||
|
この授業は、コンピュータの実習を通じて、数値データの処理・統計分析・可視化、文書・レポート・学術発表資料の作成、情報収集・交換などができるようになること。 すなわち「情報リテラシ−」と「データリテラシー」を身につけることを目標としている。 |
|||||||||||||||
|
|||||||||||||||
|
1) コンピュータの基本操作、ファイルの管理などを行うことができる。 2) 文書作成ソフトを利用して文書・レポートの作成を行うことができる。 3) 表計算ソフト等を利用して実験データ等のデータ整理、作図、レポートの作成を行うことができる。 4) ネットワーク環境の基本構成を理解し，ネットワークにアクセスして情報の検索を行うことができる。 5) コンピュータを用いてデータの統計処理を行うことができる。 6) 数値データの可視化によって特徴を見つけることができる。 7) データサイエンスや計算科学等に必要なプログラミングの基礎を、Julia 言語を通して修得する。 |
|||||||||||||||
| ＜授業の方法＞ | |||||||||||||||
|
学習管理システムE-Learning (Moodle)上に授業・課題資料を掲示する。 授業資料を参考して実習を行い、期限までに課題を提出する。 実習では，情報メディア館実習室の端末（コンピュータ、一人一台）を使用する。 自分の個人パソコンを使ってもＯＫです。 この授業はフリーの科学技術計算用言語 Julia を活用する。 対面とZOOMによる授業を予定しています。 |
|||||||||||||||
| ＜成績評価の方法＞ | |||||||||||||||
|
|||||||||||||||
| ＜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＞ | |||||||||||||||
| (未登録) | |||||||||||||||
| ＜授業計画の概要＞ | |||||||||||||||
|
1) ガイダンス データサイエンス概論、コンピュータ、CPU、記憶装置、ファイルシステム、拡張子、ファイルフォーマット一覧、Internet、Email、url Julia : の紹介、演算、print(“Hello World”) 2) データの型 2進数、16進数、Byte、文字コード（ASCII、Unicode）、Hexdump、データ圧縮、Zip file Julia：演算、配列、文字列、slice 、max、min、sum、rand、open、write、close、read 3) 応用線形代数I Juliaを用いて、Vector ベクトル、dot product（内積）、cross product外積、Matrix 行列の演算、transpose転置、determinant 行列式、inverse 逆行列、Linear Transformation線形写像、plot 4) Tabular data 表形式データ 表計算、CSVファイル形式、気象庁データ、NISTデータベース Excel: 基本操作、相対参照、絶対参照、if 関数、グラフの作成 Julia: DelimitedFiles.readdlm、DataFrames、Gadfly、Plots 5) プログラミングによるデータ処理の自動化 Julia: for ループ、range、primitive data type 基本型、BigInt、if else文 6)自作関数・モジュールによるデータ解析 数値微積分、テキスト解析 Julia: hcat、vcat 、find、findall、sort、function、 7)応用統計学Ｉ 平均値、中央値、最頻値、分散、不偏分散、標準偏差、Ｚscore、偏差値 Julia : randn、Statistics パッケージmean, std, var Plot: Histogram ヒストグラム、正規分布 8)応用線形代数II 最小二乗法、固有値eigenvalue、固有ベクトルeigenvector、主成分分析 Julia: eigvals、eigvecs 9)応用統計学II Covariance 共分散、Pearson correlation coefficient 相関係数、多変量解析、PCA Julia: Gadfly subplot でデータの可視化 10) Datasets の入手 Google Dataset Search、OpenStreetMap、RDatasets、e-Stat 11) 大容量・高速情報通信の時代 共通鍵暗号、公開鍵暗号、人工知能、仮想通貨、電子Money、量子コンピュータ、ビッグデータ、スーパーコンピュータ、5G MS PowerPoint：図形、テキストの挿入、図形の接合、型抜き、アニメーション 12) ベイズ統計学Bayesian statistics、機械学習 Machine Learning 13) Artificial Neural Network, Deep learning 14) 最終課題の説明、討論 MS Word:レイアウト、図表の挿入、見出し、目次 長文の編集 15) まとめ、最終課題の提出 |
|||||||||||||||