データサイエンス入門（社会情報）

授業科目名

データサイエンス入門（社会情報）

(英語名)

Introduction to Data Science （社会情報）

科目区分

全学共通科目

-

対象学生

社会情報科学部

学年

1年

ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ

IA9991GCA7

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

2025年度前期

(Spring semester)

担当教員

西出哲人

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

目標9

ｵﾌｨｽｱﾜｰ・場所

月曜5限　情報科学研究棟4階

連絡先

nishide@sis.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

ー

全学DP

4-2◎

教職課程の学修目標

ー

講義目的・到達目標

【講義目的】本講義前半では、本学情報処理教育システムおよび自分自身のノートパソコンを利用し、本学での大学生活に最低限必要となる、基礎的な情報処理に関する知識と技法の習得を目指す。また、本講義後半では、実際にPythonのプログラムを実行しながら、データサイエンスの入門レベルの学習を行う。
【到達目標】　(1) 表計算ソフトを利用して、グラフ作成、集計・分析ができる
　(2) 情報処理教育システムの利活用ができる
　(3) BYOD上にPythonプログラム実行環境を構築し、与えられたコードを実行できる
　(4) Pythonのプログラムを実行し、データサイエンスの入門レベルの操作ができる

授業のサブタイトル・キーワード

サブタイトル：情報リテラシー
キーワード：データ分析

講義内容・授業計画

【講義内容】
PC実習を行い、今後の調査、研究に必要な情報処理、データサイエンスに関する基礎的な知識と技法を以下の授業計画に従って習得する。なお、講義の理解度や学生の習熟度に応じて、講義の順番や内容を変更する可能性がある。

【授業計画】
１．情報処理教育システムの概要（ユニバーサルパスポート）
２．情報処理教育システムの概要（GWSE, Zoom）
３．情報リテラシー（OS、ハードウェア）
４．Excelを利用した記述統計１
５．Excelを利用した記述統計２
６．データ分析のためのPythonの操作１(Jupyterの操作)
７. データ分析のためのPythonの操作２(Pandasの操作)
８．データ分析のためのPythonの操作３(仮想環境の作成と作図)
９．データの関係性の分析１
１０．データの関係性の分析２
１１．オープンデータ分析と仮説検証(1)
１２．オープンデータ分析と仮説検証(2)
１３．線形単回帰による予測
１４．クラスター分析
１５．到達度の確認

※7回目以降は受講生の理解度に応じて，流動的に変更する
※7回目以降の演習ではPythonを用いてプログラミングを行うが、理解のためにExcelも併用する。

※パソコンの利用：利用する。初回の講義で案内する。
※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。レポート，小論文，学位論文等については、学生本人が作成することを前提としているため、生成系AIのみを用いて作成することはできない。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

(教科書) Pythonによるビジネスデータサイエンス1巻「データサイエンス入門」朝倉書店

参考文献

Wes McKinney (著), 小林儀匡, 瀬戸山雅人 (翻訳)「Pythonによるデータ分析入門」オライリー・ジャパン　その他については授業で指示します。

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教材の部分を事前読み込み（15ｈ）
【復習】課題・レポート作成（20ｈ）、講義内容の理解を深め定着させるためのテキスト・教材の読み直し（25ｈ）

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

【成績評価の基準】本学部の講義・演習の基礎となる水準の情報処理、データ分析に関する知識と技法を習得した者に単位を授与する。講義目的・到達目標に記載される能力（情報処理に関する基礎的な知識と技法、データサイエンス入門レベルの習得）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。
【成績評価の方法】
①授業中に課す課題(60%）、②到達度の確認（40%）で総合的に行う。

課題・試験結果の開示方法

小テストは、原則、講義内で解説する。
レポートは優れた内容のものを講義の中で紹介しながら講評し、特に典型的な間違いについては注意を促す。
定期試験は、授業評価アンケートの教員コメント欄に試験結果に関するコメントもあわせて記載する。

履修上の注意・履修要件

課題は必ず提出すること。定期試験は行わないが、最後の授業で到達度を確認する。

実践的教育

該当しない

備考

講義の状況，情報システムの環境により、内容の一部を変更する可能性がある。
データサイエンス教育の入門レベルにおける、情報倫理に関する教育は、２年時後期必修科目「情報倫理と法」で行う。また、実際の企業におけるデータ活用の事例については、１年生前期必修科目「社会情報科学概論」、１年生後期必修科目「データ分析の最前線」、および「経営データ概論」にて講義する。

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。

シラバス情報