シラバス情報
|
教員名 ： 川嶋 宏彰
|
授業科目名
データ分析演習 （社会情報・専門科目）
(英語名)
Data Analysis Practice （社会情報・専門科目）
科目区分
専門教育科目
-
対象学生
社会情報科学部
学年
2年
ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ
KCJBS2MCA1
単位数
2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 (Lecture)
開講時期
2024年度前期
担当教員
照山 順一、宮崎 修一、土方 嘉徳、大野 暢亮、木村 真、湯本 高行、竹村 匡正、大島 裕明、川嶋 宏彰
所属
社会情報科学部
授業での使用言語
日本語
関連するＳＤＧｓ目標
該当なし
ｵﾌｨｽｱﾜｰ・場所
講義後に教室、もしくはメールでアポを取り教員室にて
連絡先
講義中にアナウンス
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
3◎／1〇
研究科DP
ー
全学DP
ー
教職課程の学修目標
ー
講義目的・到達目標
講義目的
データ分析で用いられる、各種分析ツールやプログラムに関する演習を行い、実際の問題に対してデータ分析を行うための基礎的手法を学ぶ。 到達目標 表計算ソフトの分析ツールやPythonのプログラミング環境に関する知識を身につけるとともに、与えられたデータの読み込みやデータ操作、可視化、および基礎的なデータ分析手法を扱えるようにする。 授業のサブタイトル・キーワード
講義内容・授業計画
Ⅰ講義内容
本演習では、まずExcelなどの表計算ソフトウェアを用いて、データの基本操作やグラフ作成、分析ツールなどの利用方法を学ぶ。続いて、Pythonによるデータの加工や可視化、統計解析を行うための、ツールやライブラリの利用方法について演習を行う。最後に、実データを用いたデータ分析を通じて応用力を身につける。 Ⅱ授業計画 （各トピックは進行の目安であり多少の前後や他の話題の講義がある。） １．データ分析演習の概要、Excelによる統計的分析 ２．Excelによるクロス集計 ３．Python: 対話的データ分析基礎 ４．Python: データ分析で用いるライブラリ基礎1 ５．Python: データ分析で用いるライブラリ基礎2 ６．Python: pandasを用いたデータの要約 ７．Python: pandasを使ったデータ加工1 ８．Python: pandasを使ったデータ加工2 ９．Python: 実践的データ分析1 １０．Python: 実践的データ分析2 １１．Python: 実践的データ分析3 １２〜１５．Python: 総合演習 ※ この科目では企業から提供されたデータを扱うため、生成系AIの利用は原則として禁止とする。 教員の許可なく生成系AIを使用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
塚本邦尊・山田典一・大澤文孝（著），中山浩太郎（監修），松尾 豊（協力）：東京大学のデータサイエンティスト育成講座 〜Pythonで手を動かして学ぶデ—タ分析〜，マイナビ出版 (2019)（生協等で購入する）
参考文献
演習中に適宜指示する。
事前・事後学習（予習・復習）の内容・時間の目安
予習：配布資料や教科書の該当部分を事前に読んでおく。また、サ
復習：演習が授業中に終わらなかった場合、やり残した部分を実施 アクティブ・ラーニングの内容
授業中および授業後は各自が主体的に演習を進めるとともに、総合演習ではデータ分析の結果について各自のプレゼンテーションおよび討論の機会を設ける。
成績評価の基準・方法
表計算ソフトの分析ツールや、Pythonのプログラミング環境に関する知識を身につけ、与えられたデータの読み込みやデータ操作、可視化、および基礎的なデータ分析ができること。
成績評価の方法 授業内課題40％、レポート60％を基準として総合的に評価を行う。なお、単位取得には必須課題を提出する必要がある。 課題・試験結果の開示方法
総合演習では各自の発表に対するコメントをフィードバックする。
履修上の注意・履修要件
・毎回各自ノートPCを持ち込むこと。
・受講生は社会情報科学部の学生に限ります。 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。
|
