シラバス情報

授業科目名
データサイエンス入門 (Ⅰ)
(英語名)
Introductory Data Science (Ⅰ)
科目区分
全学共通科目/教職課程科目
対象学生
理学部
学年
1年
ナンバリングコード
IASBA1GCA7
単位数
2.00単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義・演習 (Lecture/Seminar)
開講時期
2024年度前期
担当教員
草部 浩一、中野 博生、下條 竜夫、津坂 佳幸、西川 幸志
所属
理学部
授業での使用言語
日本語
関連するSDGs目標
目標9
オフィスアワー・場所
講義終了後30分・講義室
連絡先
kusakabe@sci.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
研究科DP
全学DP
4-1◎/1-1〇/1-2〇
教職課程の学修目標
目標1:磨き続ける力

講義目的・到達目標
【講義目的】社会におけるデータサイエンスの重要性に対する理解を深め、データサイエンスの概念やその活用について基本的な技術を習得することが、本講義の目的である。
【到達目標】データサイエンスの体系の概要について学習するとともに、データサイエンスの基本的な利活用事例、データの収集・加工・処理、データの分析、分析結果の解釈とその活用というデータサイエンスで用いられる基本的な技術を説明し、実施することができる。
授業のサブタイトル・キーワード
キーワード:データサイエンス、データ、AI、統計
講義内容・授業計画
【講義内容】兵庫県立大学や学外の情報資源を正しく安全に用いるために最低限必要な知識を学習する。また、実社会における各種データの利活用事例や、データサイエンスで用いられる基本的な数理について授業する。
【授業計画】
[イントロダクション]
1.PC教室の使い方,履修登録
2.Mailの使い方,学術情報館の使い方
[社会におけるデータ・AI利活用]
3.社会で起きている変化
4.データ・AI利活用の最新動向・現場
(担当:エイチエスティ・ビジョン株式会社 技術本部 技術部 坂本拡道氏)
5.社会におけるデータ・AI利活用の実践編・実施例
[データ・AI利活用における留意事項]
6.コンプライアンスと情報倫理(担当:中田欽也氏)
7.サイバー防犯と情報セキュリティ(担当:中田欽也氏)
[データを読む・扱う・説明する]
8.データからの情報抽出,基本/要約統計量,・データの可視化 その1
9.データからの情報抽出,基本/要約統計量,・データの可視化 その2
10.相関と因果,回帰 その1
11.相関と因果,回帰 その2
12.統計的検定 その1
13.統計的検定 その2
14.オープンデータの利用,傾向の分析,予測モデル その1
15.オープンデータの利用,傾向の分析,予測モデル その2
※パソコンの利用:毎回使用予定

生成系AIの利用:
生成系AIの利用については教員の指示に従うこと。生成系AIによる出力結果をそのまま課題レポートとして提出してはいけない。
生成系AIによる出力をそのまま提出したことが判明した場合は単位を認定しない、又は認定を取り消すことがある。
教科書
随時指定する。
参考文献
教養としてのデータサイエンス(講談社)
事例で学ぶ!あたらしいデータサイエンスの教科書(翔泳社)
事前・事後学習(予習・復習)の内容・時間の目安
【予習】授業に際して指示するテキストを事前読み込み(15h)
【復習】課題、レポート作成(30h)、講義内容の理解を深め定着させるためにテキスト、教材を読み直し(15h)
アクティブ・ラーニングの内容
採用しない。
成績評価の基準・方法
毎回与えられた課題を理解し、レポートを作成できたものに、講義目的・到達目標に記載した能力の到達度に応じてS(90点以上)、A(80点以上)、B(70点以上)、C (60点以上)による成績評価のうえ、単位を付与する。
課題レポートで評価する。ただし、4回以上欠席した場合や課題を3回以上未提出の者には単位を与えない。
課題・試験結果の開示方法
レポートの提出はユニバーサルパスポートを通して PDF ファイルまたは画像ファイルで提出する。提出されたレポートについて、それぞれ担当教員が評価し、コメントを合わせて記載する。
履修上の注意・履修要件
本講義は姫路工学キャンパスで開講する。
実践的教育
該当しない。
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。