授業科目名	データサイエンス入門
時間割番号	CDS011
担当教員名	馬籠　　純
開講学期・曜日・時限	前期・木・III	単位数	2
＜対象学生＞
(未登録)
＜授業の目的＞
データを用いて有益な知見を引き出す手法である「データサイエンス」に関して、実際にソフトウェアを用いながらデータ分析の知識、データ処理技能に関する入門的事項を学び、基本的なアプリケーションソフトの習得と組み合わせて身近な問題や各自の専門分野に活用して解決する基礎を身につける。あわせて、情報や収集手段の特性、役割、影響の理解と、目的に応じて適切に判断、評価、選択、発信できる能力により情報活用のための創造的能力「情報リテラシー」と情報化社会における規範を考える「情報倫理」を学習する。
＜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 情報倫理力 情報を倫理的、合法的に収集・活用できる。 ◎ B 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。 ○ C 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 データとは何か、データサイエンスの概要と必要性を説明できる。 A 2 データの選定・収集・整理に関して、合法的・合理的に選択・取得・修正できる。 A 3 データ分析の基礎について、データの傾向を示す基本統計量や相関を説明でき、データ理解に活用できる。 B 4 データ分析のための様々なアルゴリズムや機械学習・AIの概要と可能性について説明できる。 B 5 情報リテラシーを理解・修得し、活用できる。 A 6 著作権・引用・ネットワークセキュリティ等も含む情報倫理の基礎を説明でき、適切に活用できる。 A 7 ソフトウェアを活用した基本的な(統計学的)手法による分析・表現・活用ができる。 B 8 基本的ソフトウェア（文書作成、表計算、プレゼンテーション、コミュニケーション）を操作・活用できる。 A 9 データ・情報を多面的かつ客観的にとらえ、筋道を立てて根拠を示しながら説明できる。 C
＜成績評価の方法＞
目標No 割合 評価の観点 1 5% 演習・小課題・小テスト・テーマ別レポート・期末試験で、データサイエンスの概要と必要性について自らの言葉で具体的かつ適切に説明できているかどうかを評価する。 2 5% 演習・小課題・小テスト・テーマ別レポートにおいて、データの選定・収集・整理に関して適切に選択・取得・修正できているかどうかを評価する。 3 10% 演習・小課題・小テスト・テーマ別レポート・期末試験で、データに関する基本統計量や相関について適切に説明および活用できているかどうかを評価する。 4 20% 演習・小課題・小テスト・テーマ別レポート・期末試験で、データ分析に関する様々なアルゴリズムや機械学習・AIの概要と可能性を説明できているかどうかを評価する。 5 5% 演習・小課題・小テスト・テーマ別レポート・期末試験で、情報リテラシーに関して自らの言葉で具体的かつ適切に説明できているかどうかを評価する。 6 5% 演習・小課題・小テスト・テーマ別レポート・期末試験で、情報倫理に関して自らの言葉で具体的かつ適切に説明できているかどうかを評価する。 7 10% 演習・小課題・小テスト・テーマ別レポートで、各種ソフトウェアを活用した基本的統計学的手法による分析・表現・活用ができているかどうかを評価する。 8 20% 演習・小課題・小テスト・テーマ別レポートで、基本ソフトウェア（文書作成、表計算、プレゼンテーション、コミュニケーション）の操作・活用の基礎を身に着けているかどうかを評価する。 9 20% テーマ別レポートをもとに、データ・情報を多面的かつ客観的にとらえ、筋道を立てて根拠を示しながら説明できているかどうかを評価する。 合計 100%
＜授業の方法＞
概要： ・基本的に演習形式で授業が進められます。 ・授業で実施する演習内容に関して、事前学習の実施が必要となります。 ・授業中は、実施した内容の確認、質疑応答、関連の演習・課題の実施等に加え、解説を聴講します。 ・各回では、内容の理解をより深めるため、簡単な小課題・小テストがあります。 ・まとまったテーマ毎にレポート等の課題があり、提出が必要です。 ・授業内容全体の理解度確認のため、期末期の試験があります。 実施形態： ・「面接授業」が実施可能な状況下では、必要な感染対策を講じた上で、基本的に学内の演習室で実施します。 ・ただし、新型コロナウイルスの感染拡大状況に応じた授業実施方針に伴い、実施方法が変更となる場合は「ライブ型」および「オンデマンド型」を用いて対応します。 ・なお、事前学習および事後学習には、E-learningを活用することで、学内設置のコンピュータ、各自のコンピュータのいずれでも実施できます。 補足・注意 ・事前学習、事後学習、小課題・小テスト・テーマ別レポートの実施は、インターネット(e-learningシステム)を利用します。 ・演習で使用するソフトウェア等については、各自で新たに購入する必要はありません。授業内で入手・設定・利用方法が概説されます。 ・新型コロナウイルス状況による授業実施方針の変更や授業進捗状況等に応じて一部の内容や順序等が入れ替わることがあります。
＜受講に際して・学生へのメッセージ＞
・担当教員に加えて　Teaching Assistant：TA（大学院生）に対して、質問することができます。
＜テキスト＞
(未登録)
＜参考書＞
(未登録)
＜授業計画の概要＞
1 タイトル データサイエンス概論１ 事前学習 事後学習 ・授業前にMoodleの資料を用いて、本授業で準備すべきことについて理解する。 ・授業後に小課題等を実施する。 授業内容 ・本授業のガイダンス内容を理解する（到達目標、授業の進め方、課題提出方法、質問方法、成績評価等）。 ・データサイエンスの概要・必要性について理解する。 ・必要に応じて、大学および各自の演習コンピュータ環境を調整する。 2 タイトル データサイエンス概論2 事前学習 事後学習 ・授業前にMoodleの資料を用いて、データサイエンスの重要性について理解する。 ・授業後に小課題等を実施する。 授業内容 ・データサイエンスの概要・必要性について理解する。 ・本学の情報教育システムの理解・利用に関する演習（パスワード管理, CNS, Mail, ネットワーク, VPN, 各種ソフトウェア設定） 3 タイトル 情報リテラシー：文書作成ソフトウェア基礎1 事前学習 事後学習 ・授業前にMoodleの資料を用いて、情報リテラシー概要に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・情報リテラシーについての理解 ・文書作成ソフトに関する理解 ・文書作成ソフトウェアによる文書作成演習１（Microsoft Wordの利用） 4 タイトル 情報倫理：文書作成ソフトウェア基礎2 事前学習 事後学習 ・授業前にMoodleの資料を用いて、情報倫理に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・情報倫理についての理解 ・文書作成ソフトに関する理解 ・文書作成ソフトウェアによる文書作成演習２（Microsoft Wordの利用） 5 タイトル データの選定・収集・整理1：プレゼンテーションソフト基礎1 事前学習 事後学習 ・授業前にMoodleの資料を用いて、データの選定・収集・整理に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・データ選定・収集・整理に関する基礎的事項の理解1 ・プレゼンテーションおよびプレゼンテーションソフトウェア活用に関する理解1 ・プレゼンテーションソフトウェア演習1（Microsoft PowerPointの利用） 6 タイトル データの選定・収集・整理2：プレゼンテーションソフト基礎2 事前学習 事後学習 ・授業前にMoodleの資料を用いて、データの選定・収集・整理に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・データ選定・収集・整理に関する基礎的事項の理解2 ・プレゼンテーションおよびプレゼンテーションソフトウェア活用に関する理解2 ・プレゼンテーションソフトウェア演習2（Microsoft PowerPointの利用） 7 タイトル データ分析の基礎1：表計算ソフトウェア基礎1（入力・表計算） 事前学習 事後学習 ・授業前にMoodleの資料を用いて、データ分析の基礎に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・データ分析に関する基礎の理解 ・表計算ソフトウェアの基礎の理解 ・表計算ソフトウェア演習（Microsoft Excelの利用（入力・表計算）） 8 タイトル データ分析の基礎2：表計算ソフトウェア基礎2（グラフ作成・分析） 事前学習 事後学習 ・授業前にMoodleの資料を用いて、データ分析の基礎に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・データ分析に関する基礎の理解 ・表計算ソフトウェアの基礎の理解 ・表計算ソフトウェア演習（Microsoft Excelの利用（グラフ作成・分析）） 9 タイトル データ分析の基礎3：表計算ソフトウェア演習3（データベース） 事前学習 事後学習 ・授業前にMoodleの資料を用いて、データ分析の基礎に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・データ分析に関する基礎の理解 ・表計算ソフトウェアの基礎の理解 ・表計算ソフトウェア演習（Microsoft Excelの利用（データベース・基本統計）） 10 タイトル 基本的統計手法による分析・表現・活用1：各種ソフトウェア活用1 事前学習 事後学習 ・授業前にMoodleの資料を用いて、基本的統計手法による分析・表現・活用に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・基本的統計手法による分析・表現・活用の理解 ・データ・数値表現の理解 ・プログラミング演習 11 タイトル 基本的統計手法による分析・表現・活用2：各種ソフトウェア活用2 事前学習 事後学習 ・授業前にMoodleの資料を用いて、基本的統計手法による分析・表現・活用に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・基本的統計手法による分析・表現・活用の理解 ・相関に関する理解 ・回帰分析に関する理解 ・相関・回帰分析演習 12 タイトル 基本的統計手法による分析・表現・活用：各種ソフトウェア活用3 事前学習 事後学習 ・授業前にMoodleの資料を用いて、基本的統計手法による分析・表現・活用に関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・基本的統計手法による分析・表現・活用の理解 ・確率・確率変数・確率分布等の基本的統計手法の理解 ・基本的統計手法に関する演習 13 タイトル 情報の可視化・共有とデータサイエンス１ 事前学習 事後学習 ・授業前にMoodleの資料を用いて、情報の可視化・共有とデータサイエンスに関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・情報の可視化・共有とデータサイエンスの現状と今後の発展に関する理解（可視化・共有を含む） ・情報の可視化に関する演習 14 タイトル 情報の可視化・共有とデータサイエンス２ 事前学習 事後学習 ・授業前にMoodleの資料を用いて、情報の可視化・共有とデータサイエンスに関する内容の理解と演習の事前実施をする。 ・授業後に小課題等を実施する。 授業内容 ・情報の可視化・共有とデータサイエンスの現状と今後の発展に関する理解（ビッグデータ、AI、機械学習を含む） ・機械学習に関する演習 15 タイトル データサイエンスの重要性 事前学習 事後学習 ・授業前にMoodleの資料を用いて、データサイエンスの重要性について理解する。 授業内容 ・データサイエンスの重要性の理解 ・総括・まとめ・確認問題の実施による理解度評価を実施する。 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
＜実務経験のある教員による授業科目の概要＞
担当教員は公的研究機関（水循環解析・数値シミュレーション研究分野）での実務経験を有している。
＜備考＞
(未登録)