シラバス情報

授業科目名
データサイエンス入門
(英語名)
Introductory Data Science
科目区分
全学共通科目
-
対象学生
環境人間学部
学年
1年
ナンバリングコード
IAHBE1GCA7
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・演習 (Lecture/Seminar)
開講時期
2024年度前期
(Spring semester)
担当教員
木村 敏文、荘所 直哉、風間 健宏
所属
環境人間学部
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
オフィスアワー一覧表(ユニバーサルパスポートに掲示)を参照のこと 
連絡先
オフィスアワー一覧表(ユニバーサルパスポートに掲示)を参照のこと 

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
4-2◎/1-1〇/1-2〇
教職課程の学修目標

講義目的・到達目標
デジタル社会において、データサイエンスやAIを日常的に利用されるようになる。生活や仕事の場で効率よく使うためには基本的な要素を身に付けることが必要である。本講義では現代社会におけるデータ・AIの活用を紹介し、データサイエンスの基礎となるデータ分析の基礎、応用を行う。
本講義における到達目標は、1)現代社会におけるデータサイエンス活用についての理解、2)データサイエンスの基礎となるデータ分析手法の習得、3)情報の取り扱いについての知識習得、である。
授業のサブタイトル・キーワード
講義内容・授業計画
教育内容
 本講義ではデータサインエスやAIを日常的に使いこなすために必要な基本的な知識を教授する。まずは現代社会におけるデータサイエンスの活用や情報を扱う上での注意点について紹介する。さらに、データサイエンスの基本的な知識となるデータ分析については基本的な考え方から実データを用いた応用まで幅広い内容の講義を行う。

授業計画
第 1回 ガイダンス・イントロダクション
第 2回 現代社会におけるデータサイエンス(1)社会で活⽤されているデータ
第 3回 現代社会におけるデータサイエンス(2)データ・AIの活⽤領域、データサイエンスの応⽤事例
   (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)
第 4回 情報倫理(担当:中田欽也氏)
第 5回 情報セキュリティ(担当:中田欽也氏)
第 6回 データ分析の基礎(データの種類、データの分布、可視化)
第 7回 データ分析の基礎(データの代表値・ばらつき)
第 8回 データ分析の基礎(相関・回帰直線)
第 9回 データ分析の基礎(調査・クロス集計)
第10回 データ分析の基礎(データの⽐較)
第11回 データ分析の基礎(説明資料作成の基礎)
第12回 データ分析の応⽤(データの扱い⽅)
第13回 データ分析の応⽤(実データを扱う1)
第14回 データ分析の応⽤(実データを扱う2)
第15回 まとめと総合演習

※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
してはいけません.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,または認定を取り消すことがあります.
教科書
「教養としてのデータサイエンス」講談社
参考文献
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】授業に際して指示するテキスト等を事前読み込み(25h)、プレゼンテーションの準備(5h)
【復習】レポート作成(10回、20h)、講義内容の理解を深め定着させるためにテキストを読み直し(10h)
アクティブ・ラーニングの内容
実施する予定はない。
成績評価の基準・方法
成績評価の基準
データサイエンスに関する基礎を理解できる者については、講義目的・到達目標に記載する能力(データサイエンス・AI活用についての理解、データ分析手法の習得、情報の取り扱い方の知識習得等)の到達度に基づき、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。
成績評価の方法
授業の演習課題 60%、総合演習等40%を基準とし、受講態度(積極的な質問等)を含めて総合的に評価する。
課題・試験結果の開示方法
レポートは、原則次の講義内で解説やユニバーサルパスポートのクラスプロファイル機能を使ってコメントをフィードバックする。

履修上の注意・履修要件
・環境人間学部で開講する同名の講義は上記の講義内容、授業計画で行う。
・病欠の配慮を希望する場合、証明書(診断書(原本)/診断書(コピー可)/病院の領収書)を学務課を通じて、必ず提出すること。


実践的教育
該当しない
備考
本講義では数理・データサイエンス・AI教育の基本的知識を講義や演習を通じて学ぶ。担当教員は研究において情報技術の活用を行っており、データ分析を日頃から行っている。また、AIを使った研究も行っており、本講義を教授することに深く関連している。
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。