Syllabus data
|
Teacher name ： 郷 康広
|
Course Title
Fundamentals of Statistical Data Analysis
Course Title in English
Fundamentals of Statistical Data Analysis
Course Type
-
コース応用科目（計算科学コース）
Eligible Students
Graduate School of Information Science
Target Grade
1Year
Course Numbering Code
KIIMD5MCA7
Credits
2.00Credits
The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.
Type of Class
講義・演習 (Lecture/Seminar)
Eligible Year/Semester
Spring semester 2026
(Spring semester)
Instructor
郷 康広,中村 知道,大野 暢亮
Affiliation
社会情報科学部・情報科学研究科
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
講義内で学生に伝達する。
Contact
大野 暢亮 (ohno@sis.u-hyogo.ac.jp)
中村 知道 (tomo@gsis.u-hyogo.ac.jp) 郷 康広 (go@gsis.u-hyogo.ac.jp) Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
ー
Corresponding Graduate School DP
2◎／1〇
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー
Course Objectives and Learning Outcome
●講義目的
本講義では、データから情報を読み取って、新しい発見、モデル化や可視化に役立てるため、それに必要な統計とデータ処理の基礎を学ぶことを目的とする。確率や統計のもっとも重要かつ基礎的な概念を 学ぶこと、データ処理のためのツールに慣れることを到達目標とする。また、世界中で広く使われているオープンソースの統計解析プログラム、グラフや３Dなどを用いた可視化についても指導する。 ●到達目標 統計解析とデータ可視化の基礎を理解し、様々な問題の数理的描像を速やかに把握できるようになることである。 Subtitle and Keywords of the Class
Course Overview and Schedule
●講義内容
本講義では、データ解析に必要な統計解析とデータの可視化の基礎を学ぶため、世界中で広く使われているオープンソースの統計解析プログラム、グラフや3Dなどを用いた可視化ソフトウェアを用いて可視化を行うとともに、多変量解析をはじめとした統計解析手法とその解析方法について実践的に学ぶ。また、レポートの書き方に関する概要も説明する。 ●授業計画 1. 科学技術可視化1：可視化手法の解説 2. 科学技術可視化2：gnuplotによる可視化の実践 3. 科学技術可視化3：VRによる3次元可視化 4. 多変量解析1- 多変量解析の全般について概説 5. 多変量解析2- 回帰分析の解説 6. 多変量解析3- 因子分析と主成分分析の解説 7. 多変量解析4- クラスター分析と判別分析の解説 8. 統計解析実践1： Rによる統計解析の基礎 9. 統計解析実践2： Rによる線形モデル 10. 統計解析実践3： Rによる多変量解析 11. 統計解析実践4： Rによる時系列解析 12. まとめ方やレポートの書き方などについて概説 13. データの可視化1：Rによる作図手法の基礎 14. データの可視化2：Rによる回帰分析作図手法 15. データの可視化3：Rによる時系列作図手法 講義ではパソコンを使用するため、各自パソコンを持参すること。 In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
・対⾯授業のみ
・遠隔授業単位上限の適⽤を受けない Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
⽣成AIの利⽤にあたっては『本学の教育における⽣成AIの取扱いについて(学⽣向け)』の記載内容について留意すること。
⽣成AIの利⽤については担当教員の指⽰に従うこと。 教員が認める範囲を超えて⽣成AIを利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。 ⽣成AIの出⼒した内容について、事実関係の確認や出典・参考⽂献を確認・追記することが重要である。 また、⽣成AIによる出⼒結果をそのまま課題・レポート・論⽂として提出してはならない。 Textbook
講義で必要な資料は配布する。
References
gnuplotの精義、山本 昌志、カットシステム
多変量解析のはなし、大村 平、日科技連出版社 例題でよくわかる はじめての多変量解析、 加藤 豊、森北出版 多変量解析法入門、永田 靖、棟近 雅彦、サイエンス社 多変量データ解析、杉山 高一、藤越 康祝、椋 透、朝倉書店 統計学入門、東京大学出版会 データ分析に必須の知識・考え方 統計学入門、阿部 真人、ソシム Rによる多変量解析入門、川端 一光 、岩間 徳兼、鈴木 雅之、オーム社Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
【予習】参考文献などを利用して事前に各講義の内容を把握すること (15h)
【復習】講義内容の理解を深めるために配布資料を読み直し(15h)、レポート課題に取り組む際は自らコンピュータプログラムを作成し実行すること (30h) Contents of Active Learning
採用しない
Grading Criteria and Methods
講義目的に記した内容を理解し、講義目的の知識を習得できた者に単位を授与する。
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）の到達度に応じて成績を与える。 ［成績評価の方法］ 複数回のレポート、学習態度と理解度により総合的に評価する。 How to Disclose Assignments and Exam Results
希望者に対して個別に対応し講評を伝える。
Precautions and Requirements for Course Registration
確率・統計や微積分の基本的な事項について理解していることが望ましい。 レポートの未提出は不可の認定となるので、期限を厳守し提出すること。但し、やむを得ない理由で提出期限内に提出が出来ないときは、担当教員に提出期限前に必ず連絡すること。 レポート内にwebからのコピー（引用、参考文献を明記している場合は除く）や、他の人と同じものがある場合は不可の認定となります。 別途、連絡することあるので、掲示や大学アドレスへのメール連絡等に注意すること。 Practical Education
該当しない。
Remarks
In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.
|
