タイトル

時間割番号: 3303050002
データサイエンス・AIへの招待演習
 
担当教員
岩山 幸治[Kohji Iwayama]
開講学部等 教養教育 対象年次   単位数 2
開講時期 秋学期 開講曜時 集中 クラス 【大津】
ナンバリング GEBC03007
授業形態 オンライン授業(同時双方向)
授業の目的と概要  
近年の、データの収集・保持・分析それぞれに関する技術の発展により、データから価値を創造するデータサイエンスの重要性が高まっている。こうした価値創造には、必ずしも膨大なデータや高度な分析技術が必要なわけではない。
この講義では、データサイエンスの基本的な考え方と手法を解説し、教育に関するデータを題材にそれらを体験するための演習を実施する。

※履修上の注意
演習にはRを用いるが、Rを使うための準備やプログラミングの基本についてのサポートは行わないので、何らかの言語によるプログラミングの経験を有すること。
講義までに、以下の資料に従ってGoogle ColaboratoryあるいはRStudioを使用する準備を行っておくこと。
https://shigau2013-my.sharepoint.com/:b:/g/personal/koji-iwayama_biwako_shiga-u_ac_jp/EZ2bUR2vgLNNpq3r6h_vZRQBaKu79zcrXKp1AVDKGsTaww?e=v1DN3X
 
授業の到達目標  
1.データサイエンスの基本的な考え方、分析手法を理解する。
2.目的に応じて、適切にデータを収集・分析・解釈できるようになる
 
授業計画  
1.イントロダクション
2.量的データの分布(1)
3.量的データの分布(2)
4.量的データの関係(1)
5.量的データの関係(2)
6.回帰分析(1)
7.回帰分析(2)
8.回帰分析(3)
9.主成分分析(1)
10.主成分分析(2)
11.クラスタリング(1)
12.クラスタリング(2)
13.質的データの分析(1)
14.質的データの分析(2)
15.まとめ
 
事前学習・事後学習など授業時間外の学習  
事前学習:講義開始までに、教科書を読み、データサイエンスの基礎について学習する
事後学習:講義終了後、各回の演習に取り組む
事前学習に2時間、事後学習に2時間
 
成績評価の方法  
講義中に出す演習課題で評価する
 
成績評価の基準  
データサイエンスの基本的な理解、適切なデータの取り扱いについて、演習課題を通して評価する。
全演習課題の合計点を100点とし、
秀:90点以上、優:80点以上、良:70点以上、可:60点以上、不可:60点未満
とする。
 
教科書  
教科書1 ISBN 978478060701
書名 データサイエンス入門
著者名 竹村彰通, 姫野哲人, 高田聖治 編,竹村, 彰通, 1952-,姫野, 哲人,高田, 聖治, 1965-, 出版社 学術図書出版社 出版年 2019
 
参考書  
参考書1 ISBN 9784873118147
書名 Rではじめるデータサイエンス
著者名 Hadley Wickham, Garrett Grolemund 著,黒川利明 訳,大橋真也 技術監修,Wickham, Hadley,Grolemund, Garrett,黒川, 利明, 1948-,大橋, 真也, 出版社 オライリー・ジャパン 出版年 2017
教材に関する補足情報  
受講までに教科書に目を通しておくこと
 
参考文献一覧  
 
履修上の注意事項  
演習にはRを用いるが、Rを使うための準備やプログラミングの基本についてのサポートは行わないので、何らかの言語によるプログラミングの経験を有すること。
講義までに、以下の資料に従ってGoogle ColaboratoryあるいはRStudioを使用する準備を行っておくこと。
https://shigau2013-my.sharepoint.com/:b:/g/personal/koji-iwayama_biwako_shiga-u_ac_jp/EZ2bUR2vgLNNpq3r6h_vZRQBaKu79zcrXKp1AVDKGsTaww?e=v1DN3X
 
キーワード(「実務経験のある教員による授業科目」は「実務経験」で検索)  
 
備考(実務経験の内容と授業との関連を含む)  
 
参照ホームページ  
 
教員からの一言  
 
オフィスアワー  
 
連絡先(研究室他)  
 
連絡先(電話番号)  
 
連絡先(メールアドレス)  
 
ホームページ  
 
備考(教員情報)  
 
↑ページの先頭へ戻る