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・火・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＞
科学と技術の急速な進歩により、日常生活や様々な仕事において様々なディジタルデータが世にあふれています。また、コンピュータを使った作業が手作業に取って代わりつつあります。この授業ではデータから有益な知見を引き出すための手法であるデータサイエンスの基礎知識と基本技能の習得を目指します。具体的には、適切なデータを収集・選択する方法、データの分析に必要な統計学の基礎、代表的なデータ分析手法の知識、コンピュータ（プログラミング言語Python）を使ってデータを整理、可視化、分析するための基礎を身に付けることを目指します。また、AIと機械学習の仕組みについても概観します。
＜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 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。 ◎ D ４・論理的思考力 情報を多面的・客観的にとらえ、筋道を立てて根拠を示しながら説明できる。 ○
＜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 共通 1 データサイエンスの活用事例や日常生活との関連を説明できること A 2 統計と確率の様々な概念（データの代表値、統計量、確率分布など）の定義と意味を説明できること C 3 様々な統計グラフの使い分け方を説明できること D 4 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 C 5 問題解決に必要な信頼できるデータや情報を文献、資料、インターネットなどから探して取得できること B 6 代表的なデータ分析手法（相関や回帰分析など）の目的と分析手順を説明できること D 7 AI（人工知能）と機械学習の仕組みを説明できること A 8 CSVファイルの仕組みを理解し、CSVファイルを操作・活用することができること
＜成績評価の方法＞
目標No 割合 評価の観点 1 15% レポート・記述問題で自らの言葉で具体的に説明できたか否かを評価する 2 15% テスト・課題で該当する項目を正しく説明できたか否かを評価する 3 15% テスト・課題で適切な統計グラフ形式を選択できたか否かを評価する 4 20% 課題でPythonを使って代表値の計算や統計グラフの作成ができたか否かを評価する 5 10% 課題でデータや情報を適切に取得できたか否かを評価する 6 15% 課題で適切にデータ分析手法ができたか否かを評価する 7 5% 記述問題で自らの言葉で具体的に説明できたか否かを評価する 8 5% 課題でCSVファイルの操作・活用ができたか否かを評価する 合計 100%
＜授業の方法＞
実施形態： ・新型コロナウイルスの感染拡大状況を踏まえて「面接授業」または「ライブ型」で実施します。 ・「面接授業」が実施可能な状況では情報処理教室で実施し、そこに備え付けのパソコンを使用します。その場合は手指消毒や定期的な換気などの感染防止対策を徹底します。 ・感染拡大時は「ライブ型」、または「ライブ型」と「面接授業」のハイブリッドで実施します。 授業の進め方： ・授業実施形態に関係なく、学習管理システム（Moodle）を用いて授業資料の配布、事前学習動画の公開、小テスト、パソコン演習課題の提出などを行います。 ・事前学習および事後学習は学内の情報処理教室のパソコンまたは各自のパソコンのいずれでも行うことができます。 ・パソコン演習で使用するソフトウェア等について、新たに各自で購入する必要はありません。詳しいことは授業ガイダンスで説明します。 ・パソコン演習ではプログラミング言語Python（パイソン）を使用します。使い方は授業で説明します。 ・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場合があります。
＜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＞
竹村彰通, 姫野哲人, 高田聖治編 ; 和泉志津恵 [ほか] 共著, データサイエンス入門 第2版, 学術図書出版社, ISBN:9784780607307, (2021年出版 データサイエンス大系)
＜参考書＞
景山三平監修／大田靖, 宿久洋編修, 教養のための統計入門, 実教出版, ISBN:9784407332841, (事例でわかる統計シリーズ) 小寺平治著, ゼロから学ぶ統計解析, 講談社, ISBN:9784061546562, (ゼロから学ぶシリーズ)
＜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 （授業後）授業の振り返り（※）をMoodleに記入 ※授業を通じて理解し説明できるようになったこと、理解が足りておらず未だ適切な説明ができないこと、これに対する自身の対応方針など 授業内容 ・授業ガイダンス ・データサイエンス概論の講義 ・講義内容に関する小テスト 2 タイトル オープンデータの取得と整理、e-Statからのデータ取得 事前学習 事後学習 （授業前）オープンデータに関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中のパソコン演習課題の解答を電子ファイルでMoodleに提出 授業内容 ・事前学習動画の内容に関する小テスト ・政府統計の総合窓口(e-Stat)にインターネットを介してアクセスし、そこから必要なデータを検索して取得するパソコン演習 3 タイトル データサイエンスとプログラミング、Pythonの基礎 事前学習 事後学習 （授業前）データサイエンスとプログラミングに関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中に作成したパソコン演習解答のPythonファイルを提出 授業内容 ・事前学習動画に関する小テスト ・Pythonの基本操作に関するパソコン演習 4 タイトル ベクトルと行列の基礎 事前学習 事後学習 （授業前）ベクトルと行列に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中に作成したパソコン演習解答のPythonファイルを提出 授業内容 ・事前学習動画に関する小テスト ・ベクトルと行列の定義、加減乗算、逆行列などの基礎に関する講義と演習 5 タイトル 統計グラフ、Pythonで統計グラフを作成する 事前学習 事後学習 （授業前）統計グラフに関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中に作成した演習解答のPythonファイルを提出 授業内容 ・事前学習動画に関する小テスト ・Pythonを使って棒グラフ、折れ線グラフ、円グラフ、積み上げ棒グラフなどの統計グラフを作成 6 タイトル データの代表値、Pythonでデータの代表値を計算する 事前学習 事後学習 （授業前）データの代表値に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中に作成した演習解答のPythonファイルを提出 授業内容 ・事前学習動画に関する小テスト ・Pythonを使って平均値、中央値、最頻値、分散、不偏分散、標準偏差などを計算 ・Pythonを使ってヒストグラムを作成 7 タイトル 箱ひげ図、Pythonで箱ひげ図を描く 事前学習 事後学習 （授業前）四分位数と箱ひげ図に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中に作成した演習解答のPythonファイルを提出 授業内容 ・ 事前学習動画に関する小テスト ・ Pythonを使って四分位数の計算と箱ひげ図の作成に関する演習 8 タイトル 相関 事前学習 事後学習 （授業前）相関に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中に作成した演習解答のPythonファイルを提出 授業内容 ・事前学習動画に関する小テスト ・相関係数、相関と因果、疑似相関などに関する講義 ・Pythonを使って相関係数の計算と散布図の作成 9 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 （授業前）回帰直線と決定係数に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 授業内容 ・事前学習動画に関する小テスト ・相関係数、回帰直線、決定係数などに関する講義 10 タイトル Pythonで回帰分析を行う 事前学習 事後学習 （授業前）回帰分析に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 （授業後）授業中に作成した演習解答のPythonファイルを提出 授業内容 ・事前学習動画に関する小テスト ・Pythonを使って回帰分析のパソコン演習 11 タイトル 確率と場合の数 事前学習 事後学習 （授業前）確率と場合の数に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 授業内容 ・事前学習動画に関する小テスト ・確率、順列、組合せ、場合の数に関する講義 12 タイトル 確率と二項分布 事前学習 事後学習 （授業前）確率と二項分布に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 授業内容 ・事前学習動画に関する小テスト ・確率分布、確率変数、確率密度関数、二項分布、大数の法則に関する講義 13 タイトル データサイエンスの手法 事前学習 事後学習 （授業前）データサイエンスの手法に関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 授業内容 ・事前学習動画に関する小テスト ・クロス集計、決定木、アソシエーション分析、クラスタリングに関する講義 14 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 （授業前）機械学習とAIに関する事前学習動画を視聴 （授業後）振り返りを行い、その結果をMoodleに記入 授業内容 ・機械学習とAIに関する講義 ・講義内容に関する小テスト ・Neural Network Console の使い方に関する説明 15 タイトル ニューラルネットワーク2 ― Neural Network Console を用いた実装 ― 事前学習 事後学習 （授業前）第1回～第14回授業の講義資料、パソコン演習課題ファイル、自身で記入した振り返りを参照し、学習した内容を再確認 （授業後）授業中に作成した Neural Network Console の演習解答を提出 （授業後）最終課題レポートを電子ファイルでMoodleに提出 授業内容 ・Neural Network Console を用いた演習 ・授業の最終課題レポート課題に関する説明 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
＜備考＞
(未登録)