Introduction to Data Science (B)

Course Title

Course Title in English

Introduction to Data Science (B)

Course Type

General Courses

−

Eligible Students

School of Economics and Management

Target Grade

All

Course Numbering Code

IACBG1GCA7

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

Fall semester 2026

(Fall semester)

Instructor

Shio INAGAKI

Affiliation

情報科学研究科

Language of Instruction

English

Related SDGs

4

Office Hours and Location

授業終了後教室にて

Contact

shio_inagaki@sis.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

ー

Corresponding University-Wide DP

4-2◎／4-1〇

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

講義目的：今後の専門学習において必要とされる、データサイエンスの基礎知識を習得する。あわせて、データ分析を⾏ううえで不
可⽋となる基本的なPC操作（ファイルやフォルダの管理、データの扱い⽅など）についても習得する。
到達目標：
• データサイエンスにおける基本的な⽤語や考え⽅を理解できる
• ファイルやフォルダの整理、データの保存・管理など、データ分析に必要な基本的なPC操作を適切に⾏うことができる
• 表計算ソフトやプログラミング環境を⽤いて、データの整理・可視化・基礎的な分析を⾏うことができる

Subtitle and Keywords of the Class

データサイエンス、PC 基本操作、Microsoft Excel、Python、データ分析、データ可視化

Course Overview and Schedule

第1回 ガイダンス／授業概要説明／⼤学メール（E-mail）の設定
第2回 学習のための学内 ICT サービス／基本的なファイル・フォルダ管理
第3回 現代社会におけるデータサイエンス
第4回 インターネットの基礎／ビッグデータ／⼈⼯知能（AI）
第5回 情報倫理
第6回 情報セキュリティ
第7回 中間試験
第8回 データ分析と可視化の基礎
第9回 Excel の基礎と統計の基本
第10回 Excel を⽤いたデータの可視化
第11回 ヒストグラム
※ Excel 演習課題
第12回 Python の基礎
第13回 Python による基本統計量の計算
第14回 Python によるデータの可視化
※ Python 演習課題
第15回 Python によるヒストグラム
※ 最終課題

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

①対面
・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。
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。
＜⽣成AIの利⽤を認める範囲＞
・プログラミング演習および Excel 演習課題におけるエラーの原因調査や対処⽅法の確認

Textbook

必要に応じて資料を配布する。

References

笹嶋宗彦編『Pythonによるビジネスデータサイエンス 1 データサイエンス⼊門』

北川源四郎他編『データサイエンス⼊門シリーズ教養としてのデータサイエンス』

※追加がある場合は授業中に指⽰する。

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

予習復習について、時間などはおおむね以下の通りだが、詳細は担当教員から適宜説明する。
予習：前回までのすべての内容を理解しているか、再復習も兼ねる形で予習（15回分15時間）
復習：担当教員から配布される配布資料などの⾒直しによる復習、毎回の演習や⼩テストの復習（15回分30時間）、課題（3回分7.5時間）

Contents of Active Learning

採⽤しない。

Grading Criteria and Methods

【成績評価の基準】
病気など特別な理由のない欠席(無断欠席)は認めない。毎回出席していることを前提として進行する。
データサイエンスの基礎概念（統計学、データ解析の考え方、倫理等）を正しく理解し、ExcelやPythonを用いたデータへの適切な処理・分析ができる者については、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】
小テスト30％（計5回）、中間テスト30％（第7回で実施）、課題40％（Excel課題15％・Python課題15％・最終課題10％）を基準として、受講態度を含めて総合的に評価する。欠席が 4回以上 の場合、成績は「不可」とする。病気等のやむを得ない理由による欠席については、所定の手続きを行った場合に限り考慮する。※定期試験は実施しない。

How to Disclose Assignments and Exam Results

⼩テストはUNIPAの⼩テスト機能を利⽤し、点数はUNIPAで確認できる。課題のフィードバックはUNIPAのクラスプロファイル機能などを利⽤し、フィードバックを⾏う予定だが、詳細は担当教員から適宜説明する。

Precautions and Requirements for Course Registration

本授業は演習を伴う内容であるため、授業時間内に理解できなかった学⽣、または課題を時間内に完了できなかった学⽣は、担当教員に質問するなどして、必ず復習を⾏い、課題を提出すること。
また、受講態度が不良な学⽣（理由のない講義中の出⼊り、理由なき⽋席が多い場合、私語を⾏う場合など）については、注意・警告を⾏うことがある。警告を受けたにもかかわらず改善が⾒られない場合、以降の授業への出席を認めないことがあるので注意すること。履修に関する詳細な注意事項については、オリエンテーションおよび第1週の授業で説明する内容を必ず確認した上で履修すること。

Practical Education

該当しない。

Remarks

オリエンテーション及び掲⽰板で発表されるクラス分けに従って履修すること。

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.

Syllabus data