| (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】 | | 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)
・データを収集・処理・蓄積するための技術の概要を理解できるようになる（☆）
・コンピュータでデータを扱うためのデータ表現の基礎を理解できるようになる（☆）
・Webサイトやエッジデバイスから必要なデータを収集できるようになる
・データベースから必要なデータを抽出し、データ分析のためのデータセットを作成できるようになる
・データ・AI利活用に必要なITセキュリティの基礎を理解できるようになる
・数千件～数万件のデータを加工処理するプログラムを作成できるようになる
|
|
| (2)授業の概要 | 本授業では，データエンジニアリングに関する基礎的項目を学修範囲とする．具体的には，ICT
（情報通信技術）の進展とビッグデータ，コンピュータでデータを扱うためのデータ表現の基礎といったコア内容を学習した後，Webサイトやエッジデバイスからのデータ収集方法，データベースからのデータ抽出方法，収集したデータの加工方法について学習する．これらデータ・AIの利活用に必要なITセキュリティの基礎項目を学ぶ．また，実際の収集・抽出・加工に必要なプログラミング言語の基礎も学ぶ．
|
| (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. ビッグデータとデータエンジニアリング (☆)
単元2. データ表現(☆)（演習）
単元3. データ収集（演習）
単元4. データベース（演習）
単元5. データ加工（演習）
単元6. ITセキュリティ（演習）
単元7. プログラミング基礎 前半(※)（演習）
単元8. プログラミング基礎 後半(※)（演習） |
| (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 | |
| 【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 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データベース ISBN978-4-06-519310-5
[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 ISBN:978-4-06-530789-2 |
| 【添付ファイル】 |
なし |