授業科目名	ライフサイエンスデータ解析
時間割番号	GSC504
担当教員名	（　　）
開講学期・曜日・時限	適宜・(未登録)・(未登録)	単位数	2
＜対象学生＞
(未登録)
＜授業の目的および概要＞
情報分野のみならず，農学や理学など様々な研究分野において，データを効率的かつ効果的に解析し，得られた結果を適正に解釈できる素養が求められている。この講義では，現象の特徴を理解するための様々なデータ解析や可視化などの方法について網羅的に学ぶ。前半はデータ解析の基礎となるデータ処理や確率統計について解説し，後半はより具体的な解析手法やプログラミングを習得する。なお，授業ではスライドによる解説に加え，各自がパソコンを使用して与えられたデータを実際に解析することで内容の理解を深める。
＜到達目標＞
これまでデータ解析にあまり馴染みのない学生は，データの扱いに慣れること，そして現象を数値として捉える思考を養うことを目指す。一方，データ解析に比較的馴染みのある学生は，解析によって得られた結果の位置づけと意義を考える力を養うことを目指す。講義全体を通して、各解析手法の詳細について理解を深めるよりは、様々な解析方法の基礎を広く浅く学ぶことを目的とする。
＜授業の方法＞
本科目の各回の講義は、Zoomを使用したオンライン形式で提供されます。各自接続し、講義を受けるようにしてください。 必要に応じて授業の終わりに課題を出して，翌週に提出してもらいます。
＜成績評価の方法＞
No 評価項目 割合 評価の観点 1 小テスト／レポート  20  % 課題に関するレポートにより理解度を評価する。  2 受講態度  80  % 授業に取り組む姿勢（積極性など）を評価する。
＜受講に際して・学生へのメッセージ＞
この講義はメディア授業科目（リアルタイム配信型）として開講される。出席はZoomの入室記録で確認する（講義参加前にZoomの表示を名前と所属に変更）。そのため、受講にはZoomを利用できる機器およびネットワーク環境が必要となる。 　授業中のデータ解析には，無料の統計ソフトRもしくはPythonを用いる（どちらか選択）。RとPythonの環境構築についてはWeek 1で説明する。必要に応じて授業の終わりに課題を掲示し，翌週の講義までに提出してもらう。 　受講に際し，RやPythonの使い方および統計学の基礎について予習する。また，授業内容を復習して理解を深める。興味関心や自身の研究と関連する解析手法について調べ，研鑽を深める。
＜テキスト＞
(未登録)
＜参考書＞
データ解析のための統計モデリング入門（一般化線形モデル・階層ベイズモデル・MCMC）, 岩波出版 R によるデータサイエンス：データ解析の基礎から最新手法まで, 森北出版 はじめてのR：ごく初歩の操作から統計解析の導入まで, 北大路書房 Python1年生 体験してわかる！会話でまなべる！ プログラミングのしくみ, 翔泳社 入門 Python3, オライリージャパン
＜授業計画の概要＞
各回の講義内容 Week 1：イントロダクション［メディア授業（リアルタイム配信型）］　　4/13 Week 2：データ処理と可視化［メディア授業（リアルタイム配信型）］　　4/20 Week 3：確率統計の基礎　　［メディア授業（リアルタイム配信型）］　　4/27　 Week 4：様々な検定方法　　［メディア授業（リアルタイム配信型）］　　5/11 Week 5：多変量解析　　　　［メディア授業（リアルタイム配信型）］　　5/18 Week 6：プログラミングの基礎［メディア授業（リアルタイム配信型）］　5/25 Week 7：尤度　　　　　　　［メディア授業（リアルタイム配信型）］　　6/1 Week 8：一般化線形モデル　［メディア授業（リアルタイム配信型）］　　6/8 Week 9：時空間解析　　　　［メディア授業（リアルタイム配信型）］　　6/15 Week 10：環境データ解析（GIS）［メディア授業（リアルタイム配信型）］6/22　 Week 11：時系列データ解析 ［メディア授業（リアルタイム配信型）］　　6/29 Week 12：ベイズ統計学　　 ［メディア授業（リアルタイム配信型）］　　7/6 Week 13：機械学習の基礎 ［メディア授業（リアルタイム配信型）］　　7/13 Week 14：まとめと総括 ［メディア授業（リアルタイム配信型）］　　7/20 　 【注意事項】 本科目は明治大学との単位互換科目です。そのため、講義時間が本学とは異なりますので、ご注意ください。【講義時間：15：20～17：00（100分授業×14回）】