山梨大学電子シラバス>検索結果一覧>授業データ |
授業科目名 | データサイエンス入門 | |||||||||||||||||||||||||||||||||
時間割番号 | CDS002 A | |||||||||||||||||||||||||||||||||
担当教員名 | 鈴木 一克 | |||||||||||||||||||||||||||||||||
開講学期・曜日・時限 | 前期・月・III | 単位数 | 2 | |||||||||||||||||||||||||||||||
<対象学生> | ||||||||||||||||||||||||||||||||||
医学部医学科1年生Aグループ(A/Bのグループ分けは学科の指示に従うこと) | ||||||||||||||||||||||||||||||||||
<授業の目的> | ||||||||||||||||||||||||||||||||||
この授業ではディジタル社会の「読み・書き・そろばん」である「数理・データサイエンス・AI」の基礎知識と基本技能を習得します。 科学と技術の急速な進歩により、日常生活や様々な職業上の業務においてコンピュータが手作業に取って代わりつつあります。それに伴って様々な電子データが世にあふれ、それらを分析・活用するために統計学、数学、コンピュータ科学にまたがるデータサイエンスという分野が台頭してきました。 特に、この4半世紀の間に個人用コンピュータの性能とインターネット技術が目覚ましい進歩を遂げたことや統計解析用ソフトウェアが開発されたことにより、個人でデータを収集し、それを可視化したり分析したりできるようになりました。また、かつては理論上のみの話であった計算が最近では実現可能になりつつあります。その代表の一つがAI(Artificial Intelligence; 人工知能)と呼ばれるものであり、近年のAIの基礎は、大量のデータを、コンピュータを用いて分析するデータサイエンスとそれらのデータからある問題の解決方法を導き出す機械学習にあります。データサイエンスとAIは様々な職業分野に浸透し始めています。 データの分析結果や機械学習の結果は、それらのもとになったデータの信頼性と分析手法に依存します。世にあふれるデータは玉石混交であり、しかも各種メディア上でまことしやかに流される、信憑性に欠けるデータやデータ分析結果が人々を惑わせることが多々あり、ときにはそれらが思わぬ問題を引き起こす場合もあります。そのため、データやその分析結果を見極めるための素養を私たちは身に付けておく必要があります。また、自らがデータを扱うことも想定し、適切なデータを収集する手法、それらのデータを適切に整理する手法、そしてそれらのデータを分析するための基本的な手法を学ぶ必要があります。 最近、世の中ではAIが話題になることが多々あり、AIが人間に勝ったという表現が使われることもありますが、AIは魔法の杖ではありません。それにできることやそれが導き出した解の信頼性などを吟味するための素養も私たちは身に付ける必要があります。 このような世の中の変化に鑑みて、本講義ではデータサイエンスとAIについて全体を概観します。 |
||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||
・データサイエンスの活用事例を説明できること。 ・確率と統計の様々な概念を説明できること。 ・プログラミング言語Python(パイソン)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こと。 ・データの相関について説明できること。 ・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こと。 ・機械学習とAIがどのような技術であるかを説明できること。 ・プログラミングレスAI基盤を用いてAIを実装できること。 |
||||||||||||||||||||||||||||||||||
<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)> | ||||||||||||||||||||||||||||||||||
| ||||||||||||||||||||||||||||||||||
<授業の方法> | ||||||||||||||||||||||||||||||||||
・毎回の授業のお知らせ、動画や配布資料等の公開、小テストなどは、Moodle上で行います。こまめにMoodleを確認してください。 ・この授業の実施形態は「オンデマンド型」を予定しています。それに加えて、授業時間中はテレビ会議システムを使って質問を受け付ける予定です。授業時間以外はMoodleで質問を受け付けます。状況によっては「オンデマンド型」から「面接授業」に変更する可能性があります。 ・「オンデマンド型」の場合、各自の自宅または都合の良い場所で受講してください。「面接授業」に変更になった場合は大学の実習室で行います。 ・授業は、講義(動画配信および資料配布)、小テスト、およびパソコン演習の形式で行います。パソコン演習がない回もあります。「オンデマンド型」授業の場合、パソコンの操作手順を撮影した動画教材も配信します。 ・パソコン演習では主に Python を使用します。たまに Microsoft Excelを使用することもあります。演習の実行結果を提出してもらう場合もあります。「オンデマンド型」の場合、パソコンはWindowsでもMacでも構いません。Pythonのインストールの仕方は説明します。自宅等にパソコンやインターネット環境を持っていない学生さんは授業担当教員に相談してください。 ・授業の進み具合に応じて授業の内容や順序が変更になることがあります。 |
||||||||||||||||||||||||||||||||||
<成績評価の方法> | ||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||
<受講に際して・学生へのメッセージ> | ||||||||||||||||||||||||||||||||||
情報通信技術の進化に伴って生活環境が急速に変化する現代において、データサイエンスは、文系・理系に関係なくより良い生活を送るうえで必要な技能です。その考え方や基本的な手法を身に付けておけば、日常の様々な場面でも役に立つはずです。知識を吸収するだけでなく、物事を様々な角度から眺め、自分で深く考える姿勢を養いましょう。 | ||||||||||||||||||||||||||||||||||
<テキスト> | ||||||||||||||||||||||||||||||||||
<参考書> | ||||||||||||||||||||||||||||||||||
<授業計画の概要> | ||||||||||||||||||||||||||||||||||
第1回 データサイエンス概論 第2回 オープンデータの取得と整理、e-Statからのデータ取得 第3回 データサイエンスとプログラミング、Pythonの基礎 第4回 ベクトルと行列の基礎(ベクトルと行列の定義、加減乗算) 第5回 統計グラフ(棒グラフ、折れ線グラフ、円グラフ、積み上げグラフ)、Pythonで統計グラフを作成する 第6回 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) 第7回 箱ひげ図、第8回 Pythonで箱ひげ図を描く 第8回 相関(相関係数、相関と因果、疑似相関) 第9回 回帰直線と決定係数、相関関係と因果関係(相関係数、回帰直線、決定係数) 第10回 Pythonで回帰分析を行う 第11回 確率(確率分布、確率変数、確率密度関数、大数の法則) 第12回 二項分布、正規分布 第13回 機械学習・AI概論、ニューラルネットワーク (1) ― ニューラルネットワークの仕組みと数学基礎 第14回 ニューラルネットワーク (2) ― Neural Network Console を用いた実装 1 ― 第15回 ニューラルネットワーク (3) ― Neural Network Console を用いた実装 2 ― |