Introduction to Data Science (A)

授業科目名

(英語名)

Introduction to Data Science (A)

科目区分

全学共通科目

−

対象学生

国際商経学部

学年

学年指定なし

ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ

IACBG1GCA7

単位数

2.00単位

ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の？から別途マニュアルをダウンロードしてご確認ください。

授業の形態

講義・演習 (Lecture/Seminar)

開講時期

2026年度後期

(Fall semester)

担当教員

稲垣紫緒

所属

情報科学研究科

授業での使用言語

英語

関連するＳＤＧｓ目標

目標4

ｵﾌｨｽｱﾜｰ・場所

授業終了後教室にて

連絡先

shio_inagaki@sis.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標

二重丸は最も関連するDP番号を、丸は関連するDPを示します。

学部DP

ー

研究科DP

ー

全学DP

4-2◎／4-1〇

教職課程の学修目標

ー

講義目的・到達目標

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

授業のサブタイトル・キーワード

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

講義内容・授業計画

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

対面・遠隔の別

対面

実施方法及び遠隔上限適用対象の別

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

生成ＡＩの利用

利用する場面を限定し許可

生成ＡＩ注意点

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

教科書

必要に応じて資料を配布する。

参考文献

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。

事前・事後学習（予習・復習）の内容・時間の目安

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）

アクティブ・ラーニングの内容

採⽤しない。

成績評価の基準・方法

【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。

課題・試験結果の開示方法

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。

履修上の注意・履修要件

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。

実践的教育

該当しない。

備考

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。

英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。

シラバス情報