授業科目名	データエンジニアリング基礎
時間割番号	UPC201
担当教員名	安藤　英俊／清水　毅／則竹　史哉
開講学期・曜日・時限	前期・火・VI	単位数	2
＜対象学生＞
工学科2年次生向け
＜授業の目的＞
インターネットの社会への広範囲な浸透、 情報通信・計測技術の飛躍的発展によって、従来とは質・量ともに全く異なるビッグデータが産み出されるようになった。ビッグデータや人工知能（ＡＩ）技術の活用領域は予測、意思決定、異常検出、自動化、最適化など多岐に亘って急速に拡大しており、自動運転、画像認識、医療診断、防犯、コンピュータゲームなど、従来の社会システムの在り方を大きく変えつつある。近年は、ビッグデータやＡＩの利活用に関し、米国や中国の巨大企業等を中心とした競争が激化しており、国内外の経済成長の要因も従来の労働力・資本・技術革新から、データから価値を生み出す産業領域へと大きくシフトしている。「数理・データサイエンス・AI」は、今後のデジタル社会の基礎知識（いわゆる「読み・書き・そろばん」的な素養）として捉えられ、大学・高専の全ての学生が身に付けておくべき素養である。 これに伴い政府の「ＡＩ戦略 2019」では、「我が国が、人口比ベースで、世界で最もＡＩ時代に対応した人材の育成を行い、世界から人材を呼び込む国となること。さらに、それを持続的に実現されるための仕組みが構築されること」が第一の戦略目標とされた。この授業ではリテラシーレベルの教育を補完的・発展的に学修することにより、履修学生が自らの専門分野への数理・データサイエンス・ＡＩの応用基礎力を習得することを目標としている。 この授業ではより具体的には、データサイエンスおよびデータエンジニアリングの基本的な概念と手法、応用例を学ぶことで、データから意味を抽出し、現場にフィードバックするための方法を理解することを目指す。
＜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）
工学部>工学科向け 記号 コンピテンシー（能力・資質） 説明   工-A 専門 ③数理データ分析力 ICT等により多様な情報を適切に収集し数理的に分析 ◎ 工-B ⑦理解力･判断力 自然現象や社会的事象を理解・分析 ○ 工-C ⑧論理的思考力 問題や課題を論理的思考で解決 ○
＜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 工学 1 データ駆動型社会においてデータサイエンスを学ぶことの意義を説明できる． 工-B 2 分析目的に応じ、適切なデータ分析手法、データ可視化手法を選択できる． 工-A 3 データを収集・処理・蓄積するための技術の概要を説明できる． 工-A 4 コンピュータでデータを扱うためのデータ表現の基礎を説明できる． 工-C
＜成績評価の方法＞
目標No 割合 評価の観点 1 15% 中間評価によって目標1の理解度を評価する． 2 35% 中間評価とレポートによって目標2の理解度・応用力を評価する． 3 15% 最終評価によって目標3の理解度を評価する． 4 35% 最終評価とレポートによって目標4の理解度・応用力を評価する． 合計 100%
＜授業の方法＞
Moodle上の学習動画を視聴し，その後小テストを受講します．出欠はこの小テストをもって出席とします． 課題・レポートについてもMoodle上にUPLOADする形となります． また，初回ガイダンス，定期テストについては，対面またはオンラインで行いますが，あらかじめCNSにて連絡します． ※本授業の出席はCNSの出席システムとはリンクしていませんので各自Moodleの小テスト，課題が終了しているかどうかカウントしてください．
＜受講に際して・学生へのメッセージ＞
本科目は，以下の知識を有していることを前提に授業を行う。 ・リテラシーレベルでの数理・データサイエンス・AIに関する知識 ・確率、ベクトルと行列、関数等の数学に関する基礎的な知識 ・プログラミング・アルゴリズム等に関する基礎的な知識 また，数理・データサイエンス・AI教育強化拠点コンソーシアムの推奨する内容について学習しますので，視聴動画が英語の場合もあります．
＜テキスト＞
(未登録)
＜参考書＞
北川源四郎, 竹村彰通編 ; 赤穂昭太郎 [ほか] 著, 応用基礎としてのデータサイエンス : AI×データ活用の実践, 講談社, ISBN:4065307899, (2023年出版 データサイエンス入門)
＜授業計画の概要＞
1 タイトル 第1回 データ駆動型社会とデータサイエンス 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 データサイエンスを学ぶことの意義，データを活用するプロセス，未来社会について学ぶ 2 タイトル 第2回 分析設計 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 データ分析の進め方の考え方と基本事項，分析方法の特徴や必要関連知識について学ぶ 3 タイトル 第3回 データ観察 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 収集したデータを俯瞰的に観察する手法，データを観察する上で注意すべき点について学ぶ 4 タイトル 第4回 データ分析(1) 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 データ分析手法の典型例として様々な回帰分析手法を学ぶ． 5 タイトル 第5回 データ分析(2) 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 時系列分析，クラスター分析，パターン発見の方法を学ぶ 6 タイトル 第6回 データ可視化 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 データをグラフにして観察する方法を学ぶ 7 タイトル 第7回 数学基礎 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 データサイエンスに必須となる統計的仮設検定の基礎を修得する 8 タイトル 第8回 アルゴリズム 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 データ・AI利活用に必要なアルゴリズムの基礎を学び，代表的なアルゴリズムである探索と整列について修得する 9 タイトル 第9回 ビッグデータとデータエンジニアリング 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 ICTの進展とビッグデータについて，またビッグデータの活用事例について学ぶ 10 タイトル 第10回 データ表現 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 コンピュータでデータを扱うためのデータ表現の基礎を修得する 11 タイトル 第11回 データ収集 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 Webサイトやエッジデバイスからのデータ収集方法を修得する 12 タイトル 第12回 データベース 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 データベースから必要なデータを抽出し，データ分析のためのデータセットを作成する技術を修得する 13 タイトル 第13回 データ加工 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 Excelによるデータ加工の基本を学び，中規模のデータをプログラムで加工処理できるようになる 14 タイトル 第14回 IT セキュリティ 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 ITセキュリティの概略・用語・関連技術について学ぶ 15 タイトル 第15回 プログラミング基礎 事前学習 事後学習 ビデオの視聴 確認テスト 授業内容 Python言語でプログラミングの基礎知識を学ぶ 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＞
授業担当者は長年データ解析，データ可視化，セキュリティ，データベース等を実務で活用してきており，教育経験も豊富である．理論だけでなく実務経験に基づく実践的な演習内容を提供する．
＜前年度授業に対する改善要望等への対応＞
新規開設科目につき該当しない
＜備考＞
(未登録)