| (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】 | | ２５T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、データ駆動型社会とデータサイエンスの学習意義から始め、分析手法の設計、データの観察と可視化の手法、そして具体的なデータ分析方法を学んでいく。さらにデータ・AI利活用に必要な、アルゴリズムの基礎と数学基礎も取り上げる。 |
| (3)授業計画 | 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。
☆: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、 （演習）：演習を含む
単元1 データ駆動型社会とデータサイエンス(☆)
単元2 分析設計(☆)（演習）
単元3 データ観察と可視化（演習）
単元4 データ分析(1)（演習）
単元5 データ分析(2)（演習）
単元6 アルゴリズム基礎(※)（演習）
単元6 数学基礎(前半)(※)
単元7 数学基礎(後半)(※) |
| (4)成績評価の方法 | ・講義内容に基づくオンライン型の課題(CBT)を課す。成績は、オンライン型の課題(CBT)の評点（合計100点）に基づいて総合的に評価する。
|
| (5)成績評価の基準 | ・オンライン型の課題(CBT)において、授業で示した例題と同レベルの問題が解ければ「水準にある」、応用問題が解ければ「やや上にある」、やや難しい応用問題が解ければ「かなり上にある」、例題からは難しい応用問題が解ければ「卓越している」とする。 |
| (6)事前事後学習の内容 | ・毎回の授業においては、eALPS上に指示のある予習・復習すべき内容をもとに、オンライン型の課題(CBT)が提供、実施される。
・復習すべき学習レベルの参考に、授業ごとに練習問題（Google Colab.）が提供される場合もある。
|
| (7)履修上の注意 | ・講義・課題(CBT)・練習問題はすべてオンライン・非同期型で実施する。冒頭のガイダンス内容をよく確認した上で、コース履修登録を行うこと。
・各単元にはeALPSの小テスト機能を用いた課題(CBT)が設定されていて、かつ課題には提出締め切りがある。 |
| (8)質問,相談への対応 | ・eALPS上のフォーラム機能を使って質問・問い合わせを行うこと。
・科目担当教員への研究室訪問についてはオフィスアワーあるいはメールで事前に日時を打ち合わせること。
・なお、eALPSコースウェアの使い方については、e-Learningセンターに相談すること。 |
| (9)その他 | ・授業アンケートを実施する。 |
| 【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】 | 講談社サイエンティフィク データサイエンス入門シリーズ
[1] データサイエンスの基礎 ISBN978-4-06-517000-7
[2] データサイエンスのための数学 ISBN978-4-06-516998-8
[3] Pythonで学ぶアルゴリズムとデータ構造 ISBN978-4-06-517803-4
[4] 応用基礎としてのデータサイエンス 改訂第2版 ISBN:978-4-06-538618-7 |
| 【添付ファイル】 |
なし |