| (1)授業の達成目標 | | 【授業で得られる「学位授与の方針」要素】 | ⇔ | 【授業の達成目標】 | | ２４Tカリ, ２３Tカリ | | 【22T～】共通教育による幅広い教養と，工学の専門分野における基礎学力が身についている。 | ⇔ | 〇学修目標 (☆：コア学修内容)
・データ駆動型社会においてデータサイエンスを学ぶことの意義を理解する。（☆）
・分析目的に応じ、適切なデータ分析手法、データ可視化手法を選択できるようになる。（☆）
・データを観察し、データの重複や欠損に気付けるようになる。
・データを可視化し、意味合いを導出できるようになる。
・仮説や既知の問題が与えられた中で、必要なデータにあたりをつけ、データを分析できるようになる。
・分析結果を元に、起きている事象の背景や意味合いを理解できるようになる。
|
|
| (2)授業の概要 | 本授業では、データサイエンスに関する基礎的項目を学習する。具体的には、データサイエンスの学習意義から始め、データ分析方法やデータ可視化手法を学んでいく。さらにデータ・AI利活用に必要な、数学やアルゴリズムの基礎も取り上げる。
本授業はすべてeALPSコース上でオンライン（非同期型）で実施する。インターネット（クラウド）上で利用できる演習環境（Google Colab）を用意する。eALPSコースに掲載する資料やサンプルプログラム、および参考書などを用いて学習し、eALPSコースのすべての課題を受験すること。
|
| (3)授業計画 | ☆:コア学修項目 ※:数理・データサイエンス・AIを学ぶ上で基盤となる学修項目
単元1 データ駆動型社会とデータサイエンス(☆)（演習）
単元2 分析設計(☆)（演習）
単元3 データ観察（演習）
単元4 データ分析（演習）
単元5 データ可視化（演習）
単元6 数学基礎(前半)(※)（演習）
単元7 数学基礎(後半)(※)（演習）
単元8 アルゴリズム（演習）
|
| (4)成績評価の方法 | 成績は、eALPSコース上の課題の受験により評価する。 |
| (5)成績評価の基準 | 授業内容に沿った基本レベルの課題を解決できれば「水準にある」と評価する。授業内容から発展した応用レベルの課題を解決できれば「卓越している」と評価する。 |
| (6)事前事後学習の内容 | 事前学習として、提示した授業計画を参考に、次の授業のための基礎知識をeALPSコース上の資料や参考書などを用いて独習する。事後学習として、授業で扱わない課題に対して適切な解決手段を探して利用し、授業で得た知見を活用して解決することにより、習得した知識・技能の一層の深化を図る。 |
| (7)履修上の注意 | |
| (8)質問,相談への対応 | 質問は、eALPSコースの「フォーラム」に書き込むこと。 |
| (9)その他 | |
| 【教科書】 | 指定しない。教材はすべてeALPS上コース上へ設置する。 |
| 【参考書】 | 浜田 悦生 著, 狩野 裕 編「データサイエンスの基礎」講談社, 2,420円
松井 秀俊, 小泉 和之 著, 竹村 彰通 編「統計モデルと推測」講談社, 2,780円
|
| 【添付ファイル】 |
なし |