Introduction to informaion Processing

Course Title

Introduction to Data Science

Course Title in English

Introduction to Data Science

Course Type

General Courses

ー

Eligible Students

School of Engineering

Target Grade

1Year

Course Numbering Code

IATBL1GCA7

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

Takao Sato,Kouji Maeda,Hiroshi Satone,Koji Arafune,Hirotake Yamazoe,Mayuko Koga,Ai Osaka,Moeri Okuda,Natsuki Kawaguchi

Affiliation

工学研究科

Language of Instruction

Japanese

Related SDGs

4

Office Hours and Location

授業後

Contact

ユニバーサルパスポート

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】社会におけるデータサイエンスの重要性に対する理解を深め、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修得することである。
【到達目標】データサイエンス活用、データ分析、そして、情報の取り扱いを理解することである。

Subtitle and Keywords of the Class

データサイエンス、データ

Course Overview and Schedule

【講義内容】本講義ではまずインターネットリテラシーなどのインターネットの使用上の注意を含めて、コンピュータの基本的な使用法に関する講義・演習を行う。さらに、データサイエンスにおけるデータ分析および統計処理の基礎について教育する。
【授業計画】
第１回：授業内容概要、大学システムの説明、メール・インターネットセキュリティ等
第２回：現代社会におけるデータサイエンス
第３回：社会・工学分野におけるデータ・AI利活用領域
第４回：データ・AI利活用のための技術と応用事例
第５回：データ処理の概要
第６回：基本統計量の計算
第７回：データの可視化１（棒グラフなど）
第８回：データの可視化２（ヒートマップなど）
第９回：仮説検定１（ｔ検定）
第１０回：仮説検定２（カイ二乗検定）
第１１回：データの前処理
第１２回：回帰分析１（線形回帰）
第１３回：回帰分析２（重回帰）
第１４回：実データに対するデータ解析
第１５回：まとめ
※パソコンの利用：毎回使用予定

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

遠隔授業単位上限の適用を受けない

Uses of Generative AI

Completely forbidden

Precautions for using Generative AI

この授業においては、生成ＡＩの利用を禁止している。授業内での利用は厳禁であり、違反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の利用にかかわらず『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。

Textbook

統計学の基礎から学ぶ Excelデータ分析の全知識改訂2版　三好大悟著/竪田洋資監修インプレス（生協等で購入する）

References

教養としてのデータサイエンス北川源四郎他著講談社サイエンティフィク
Excel統計学超入門角田保著オーム社

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

【予習】教科書の解説・例題などを読み、疑問をリストアップし必要に応じて質問できるよう準備（15回、30h）
【復習】レポート作成および講義内容の理解を深め定着させるためにテキスト教材等を読み直し（15回、30h）

Contents of Active Learning

採用しない

Grading Criteria and Methods

【成績評価の基準】
　講義目的・到達目標に記載する事項についての到達度に応じて、S（90点以上）、A（80点以上）、B（70点以上）、C（60点以上）の成績評価の上、単位を付与する。
【成績評価の方法】
レポートを基本として受講態度（積極的な質問等）を含めて総合的に評価する。なお、3回以上の欠席したものは、最終レポートを評価しない。

How to Disclose Assignments and Exam Results

レポート等は、模範解答を講義の中で解説する。

Precautions and Requirements for Course Registration

授業中に指示した宿題や事前・事後学習はもとより、「講義内容・授業計画」に記載したテキスト等の該当箇所などについて、十分な予習・復習をして講義に出席すること。

Practical Education

該当しない

Remarks

エクセルインストール済みのPCを原則持参のこと

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