Introduction to Data Science

Introduction to Data Science

General Courses

−

School of Nursing Art and Science

All

IA9991GCA7

1.00Credits

講義・演習 (Lecture/Seminar)

Spring semester 2026

片山 貴文

看護学部

Japanese

4／9

金曜日・明石5F研究室

takafumi_katayama
●cnas.u-hyogo.ac.jp
●は“@”に変換

ー

ー

4-2◎／4-1〇

ー

【講義目的】社会におけるデータサイエンスの重要性に対して説明することができ、データサイエンスの概念やその活用について基本的な技術を操作することである。
【到達目標】データサイエンス活用、データ分析、そして、情報の取り扱いについて操作できることである。

キーワード：データサイエンス、データ

I  講義内容
　本講義では、前半はデータの扱い(収集、分析、加工、データを守る・説明する)について基礎知識と技術の習得を目指す。後半はAIの基本原理から物体認識システムの構築まで体験的に学習し、人の特性とAIの特性を補完しながら、人間中心で社会の課題を克服するための具体的事例を扱うことで、AIデータサイエンスの基礎的リテラシーを高めていく。

II 授業計画
1. コンピュータ・リテラシー  phishing、ポリシー、私的利用、著作権について考える【心得3-1】
2. 情報機器の扱い【心得3-1】
3. ビッグデータ・オープンデータの活用　データの可視化　グラフの種類と使い分け 【導入1-2/基礎2-1/2-2】
4. データの収集・分析1　代表値、散布度　平均、最大、最小、標準偏差、人の特性:記憶の測定【基礎2-1/2-2/2-3】
5. データの収集・分析2　順位、絶対参照、相対参照、セルの強調、人の特性: 認知機能の測定【基礎2-3】
6. 人の特性と医療過誤　機械と人の協働　人の特性のまとめ: 視覚の盲点【導入1-1/1-5】
7. データベース入門　差し込み印刷、感謝状を作る 【基礎2-1/2-2/2-3】
8. データベース入門　基本操作 フォーム、テーブル 【基礎2-1/2-2/2-3】
9. データベースの実践活用1　アンケート調査票の設計 【基礎2-1/2-2/2-3】
10. データベースの実践活用2　データ収集 【基礎2-1/2-2/2-3】
11. データ解析1  記述統計　人数の集計・グラフ データクリーニング CSVファイル【基礎2-1/2-2/2-3】
12. データ解析2  推測統計　相関分析・カイ2乗検定(クロス集計)・t検定【基礎2-1/2-2/2-3】
13. AIを育てる1　手書き図形の認識 　AIの原理、AIにできること・できないこと(強いAI・弱いAI)、AIをだます・偏見、シンギュラリティ【導入1-3/1-4】
14. AIによる物体認識　アノテーション・タグ付け、クリエイティブコモンズ、画像の引用 【導入1-4/1-6/心得3-2】
15. AIによる言語処理　独自AIの作成、プロンプト作成　【導入1-4/1-5/心得3-2】

※ パソコンの利用: 毎回使用予定(Windows11)

In-person

・対面授業のみ
・遠隔授業単位上限の適応を受けない

Limited permission for use

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。

この授業においては、以下の範囲において、生成ＡＩの利用を許可し、これ以外の範囲での利用は禁止する。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・レポートとして提出してはならない。

＜利用可の範囲（例示）＞
講義資料の要約、課題・レポート文案作成、文書の翻訳・校正等

適時、必要な資料を配布する。

竹村 彰通 他(著, 編集), データサイエンス入門 第3版 (データサイエンス大系), 学術図書出版社 第3版 , ISBN-13 : 978-4780607291
北川 源四郎 他 (編集),教養としてのデータサイエンス 改訂第2版 (データサイエンス入門シリーズ),  講談社, ISBN-13 : 978-4065379394
富士通ラーニングメディア（著）, はじめて学ぶ数理・データサイエンス・AI , ISBN 9784867750810 (丸善eBook)
徳野, 淳子／山川, 修／田中, 武之（著）情報リテラシー 第4版 , 森北出版,  ISBN 9784627827349 (丸善eBook)
富士通エフ・オー・エム（著）, よくわかるMicrosoft Access 2019 基礎 , 富士通エフ・オー・エム,  ISBN 9784865103861 (丸善eBook)
羽毛田, できるExcel 2021 —Office 2021＆Microsoft 365両対応— , インプレス, ISBN 9784295013242 (丸善eBook)
(その他、自分にあった1冊を用意することが望ましい。)

【予習】授業に際して公開する授業資料を事前に読み込み(15h)、ソフトのダウンロード・パソコン操作の準備(5h)
【復習】課題の作成(15h)、他者が作成した課題の閲覧と相互評価(15h)

分からない所は分かる学生に尋ねることで学生同士が相互に教え合い学び合う

【成績評価の基準】
　AIデータサイエンスの基礎的リテラシーとして、データ扱い方(収集、分析、加工、データを守る・説明する)について操作できる力、人間の知的活動とAIの利活用について説明する力を身につけた者に、その到達度に応じてS(90点以上)、A(80点以上)、B(70点以上)、C(60点以上)による成績評価を実施し、単位を付与する。
【成績評価の方法】
　各回に提出する課題について、1.課題に対する理解度、2.自分なりの視点・表現、3.適切な引用・出典を基準(80%)として、4.他者による相互評価(20%)を加えて、受講態度(講義時間中・時間外の積極的な質問)などの課題への取り組みを含めて総合的に判断する。

提出した課題については他者にも公開し相互に評価しあうことで振り返りを行う。レポートについては、次の講義の中で紹介しながら講評する。

課題の仕上げを講義時間外(後日)に行い、操作の復習をすること。欠席した日の課題は自らの責任で実施、次回の講義までに提出すること。

該当しない

1回目は、本学における情報機器ポリシーに関する諸注意であり、本学で情報機器を触る全ての者が学ばなければならない事項のため、単位認定者も出席する必要がある。