データ科学特論 _ﾒﾃﾞｨｱ併用

授業科目名

データ科学特論 _ﾒﾃﾞｨｱ併用

(英語名)

Advanced Lecture for Data Science _ﾒﾃﾞｨｱ併用

科目区分

ー

コース応用科目（データ科学コース）

対象学生

情報科学研究科

学年

1年

ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ

KIIMD5MCA1

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 (Lecture)

開講時期

2025年度後期

担当教員

山本岳洋、川嶋宏彰、土方嘉徳、川向肇

所属

情報科学研究科

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、もしくは予約をしたうえで教員室にて

連絡先

kawashima@gsis.u-hyogo.ac.jp
kawamukai@gsis.u-hyogo.ac.jp
t.yamamoto@gsis.u-hyogo.ac.jp
hijikata@gsis.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

ー

研究科DP

2◎／1〇

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】データ科学の最前線となる研究や応⽤例について、たとえば数理的なモデリング⽅法やデータ分析のアルゴリズム、機械学習や⾃然⾔語処理、ソーシャルネットワークをはじめとしたインタラクションの話題などを取り上げ、発展的な内容も含めて紹介する。受講者は各研究テーマを参考にして自らの研究テーマを構築できるようになることを目的とする。（オムニバス⽅式/全15回）

【到達目標】
本講義の到達⽬標は、１）データ科学の最前線における研究を俯瞰すること、２）各⾃の研究⽅向を探る動機とすること、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

講義内容
データ科学の最前線となる研究や応⽤例について、オムニバス形式で講義を⾏う。

授業計画（以下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。）

（川嶋宏彰）
1. コンピュータビジョンと機械学習：⼈や⽣物の⾏動や状態などを、画像等を⽤いて計測・推定する各種⼿法や応⽤事例について紹介する。
2. インタラクションとそのモデル化（マルチモーダル対話）：⼈と⼈、⼈と機械のインタラクションにおける、⾔語・⾮⾔語コミュニケーションのデータ分析やモデリング⼿法を解説する。
3. インタラクションとそのモデル化（群モデル）：⽣物間、⼈⼯物間など、様々な個体間相互作⽤（インタラクション）を解析するためのモデリング⼿法を解説する。

（川向肇）
4. 地理情報システムの利用技術と空間情報に関するモデル化、データのモデル化にまつわる各種手法と課題について紹介する。
5. 地理情報を解析するための解析手法とその解析上の課題について紹介する。
6. 時空間情報処理に関する各種手法について実データを利用しつつ紹介する。

（山本岳洋）
7. 情報検索の基礎技術: 情報検索の基本的な問題であるアドホック検索タスクについて取り上げ，伝統的な手法や近年の手法について解説する。
8. 大量のデータを活用し求める情報を見つける情報検索技術について関連する研究事例を紹介する。
9. 多様な情報獲得を促す情報検索技術について関連する研究事例を紹介する。

（土方嘉徳）
10.ソーシャルメディアと社会科学研究：ソーシャルメディアが社会科学の研究方法にもたらした変革と、ビジネス（特にマーケティング）にもたらした変革について述べる。また、ソーシャルメディアとSNSの違いについて説明し、代表的なSNSの特徴を述べる。
11.集合知とWeb2.0：.Webやソーシャルメディアが人類の知識源として成功した理由を集合知という概念から説明する。また、その対極として閉鎖的な会社やチームがイノベーションを起こすことができなくなる理由を集団思考という概念から説明する。最後に現代のWebサービスの成功の理由をWeb2.0という概念から説明する。
12ソーシャルメディアによる社会分析：ソーシャルメディア上のネットワークデータや投稿データを分析することで、社会現象や社会問題を発見できることを学ぶ。具体的には、SNSにおける人々のつながりの特徴について学び、人々の投稿データを分析することで、地域の貧困や治安、自然災害や伝染病の状況を把握できることを学ぶ。

（未定）
13. 未定
14. 未定
15. 未定

教科書

なし

参考文献

授業中に適宜指⽰する。

事前・事後学習（予習・復習）の内容・時間の目安

【予習】授業に際して指示するテキスト・オンデマンド教材の部分を事前読み込み（15ｈ）
【復習】レポート作成（5回以上、30ｈ）、講義内容の理解を深め定着させるためにテキスト・オンデマンド教材を読み直し（15ｈ）

アクティブ・ラーニングの内容

実施しない。

成績評価の基準・方法

【成績評価の基準】
　データ科学の最前線の動向を理解し、研究テーマへの⽬標を定めることができる者に、講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）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】
　各担当教員の課題の成果物やレポートを100％として、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

小テストおよびレポートは、原則次の講義内で解説する。

履修上の注意・履修要件

・授業中に指⽰した課題・⽂献について、⼗分な予習および復習をして講義に出席すること。
・当授業は、商科キャンパスから情報キャンパスへ配信する授業形態であり、配信側となる商科キャンパスの履修者は対⾯授業となりますが、受信側となる情報キャンパスの履修者は遠隔授業となります。なお、配信映像は両キャンパスに設置しているモニターに映し出されますので、履修者各⾃が端末を持参する必要はありません。

AIの利用については、各担当回の教員の指示に従うこと

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。

シラバス情報