Syllabus data
|
Teacher name ： 土方 嘉徳
|
Course Title
Data Analysis Practice
Course Title in English
Data Analysis Practice
Course Type
Major Courses
-
Eligible Students
School of Social Information Science
Target Grade
2Year
Course Numbering Code
KCJBS2MCA1
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 (Lecture)
Eligible Year/Semester
Spring semester 2026
Instructor
土方 嘉徳,川嶋 宏彰,山本 岳洋,照山 順一,宮崎 修一,三上 渓太,Shio INAGAKI,大野 暢亮,木村 真,湯本 高行,竹村 匡正,大島 裕明
Affiliation
社会情報科学部
Language of Instruction
Japanese
Related SDGs
N/a
Office Hours and Location
講義後に教室、もしくはメールでアポを取り教員室にて
Contact
講義中にアナウンス
Corresponding Diploma Policy
A double circle indicates the most relevant DP number and a circle indicates the associated DP.
Corresponding Undergraduate School DP
3◎／1〇
Corresponding Graduate School DP
ー
Corresponding University-Wide DP
N/a
Academic Goals of Teacher Training Course
ー
Course Objectives and Learning Outcome
講義目的
データ分析で用いられる、各種分析ツールやプログラムに関する演習を行い、実際の問題に対してデータ分析を行うための基礎的手法を学ぶ。 到達目標 表計算ソフトの分析ツールやPythonのプログラミング環境に関する知識を身につけるとともに、与えられたデータの読み込みやデータ操作、可視化、および基礎的なデータ分析手法を扱えるようにする。 Subtitle and Keywords of the Class
Course Overview and Schedule
Ⅰ講義内容
本演習では、まずExcelなどの表計算ソフトウェアを用いて、データの基本操作やグラフ作成、分析ツールなどの利用方法を学ぶ。続いて、Pythonによるデータの加工や可視化、統計解析を行うための、ツールやライブラリの利用方法について演習を行う。最後に、実データを用いたデータ分析を通じて応用力を身につける。 Ⅱ授業計画 （各トピック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。） １．データ分析演習の概要、Excelによる統計的分析 ２．Excelによるクロス集計 ３．Python: 対話的データ分析基礎 ４．Python: データ分析で用いるライブラリ基礎1 ５．Python: データ分析で用いるライブラリ基礎2 ６．Python: pandasを用いたデータの要約 ７．Python: pandasを使ったデータ加工1 ８．Python: pandasを使ったデータ加工2 ９．Python: 実践的データ分析1 １０．Python: 実践的データ分析2 １１．Python: 実践的データ分析3 １２〜１５．Python: 総合演習 In-person/Remote Classification
In-person
Implementation Method and Remote Credit Limit Application
Uses of Generative AI
Limited permission for use
Precautions for using Generative AI
Textbook
塚本邦尊・山田典一・大澤文孝（著），中山浩太郎（監修），松尾 豊（協力）：東京大学のデータサイエンティスト育成講座 〜Pythonで手を動かして学ぶデ—タ分析〜，マイナビ出版 (2019)（生協等で購入する）
References
演習中に適宜指示する。
Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)
予習：配布資料や教科書の該当部分を事前に読んでおく。また、サ
復習：演習が授業中に終わらなかった場合、やり残した部分を実施 Contents of Active Learning
授業中および授業後は各自が主体的に演習を進めるとともに、総合演習ではデータ分析の結果について各自のプレゼンテーションおよび討論の機会を設ける。
Grading Criteria and Methods
表計算ソフトの分析ツールや、Pythonのプログラミング環境に関する知識を身につけ、与えられたデータの読み込みやデータ操作、可視化、および基礎的なデータ分析ができること。
成績評価の方法 授業内課題40％、レポート60％を基準として総合的に評価を行う。なお、単位取得には必須課題を提出する必要がある。 How to Disclose Assignments and Exam Results
総合演習では各自の発表に対するコメントをフィードバックする。
Precautions and Requirements for Course Registration
・毎回各自ノートPCを持ち込むこと。
・受講生は社会情報科学部の学生に限ります。 Practical Education
該当しない。
Remarks
本科目は演習科目になります。4回以上欠席した時点で、単位は「不可」となります。
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.
|
