データサイエンスをもとに教育に関して科学的な議論を展開するための基礎的な知識と技能を身に付けることを目標にします。
高校で学んだデータの分析、統計的推測の内容を復習しながら、変数間の関係性を議論する多変量解析の基礎として回帰分析について解説します。
また、回帰分析以外の機械学習や深層学習の発展と応用例にも触れ、AIと社会特に教育との関係についても解説します。
|
|
|
データの記述と統計的推測の考え方を理解し結果を解釈できる。
回帰分析における基本的な出力の意味を理解し結果を解釈できる。
その他の機械学習や深層学習の発展と応用例に触れ、AIと社会特に教育との関係について基本的な理解を得る。
|
|
|
|
第1回
|
代表値
|
|
第2回
|
散布度
|
|
第3回
|
データの標準化
|
|
第4回
|
相関係数
|
|
第5回
|
標本分布
|
|
第6回
|
相関係数の検定
|
|
第7回
|
相関係数の推定
|
|
第8回
|
単回帰分析（切片と傾き）
|
|
第9回
|
単回帰分析（決定係数）
|
|
第10回
|
重回帰分析（切片と傾き）
|
|
第11回
|
重回帰分析（決定係数）
|
|
第12回
|
回帰分析の実際
|
|
第13回
|
その他の機械学習
|
|
第14回
|
AIの歴史と深層学習
|
|
第15回
|
総括（AIと社会、AIの構築・運用）
|
|
|
|
|
|
毎回復習を必ず行ってわからないところを残さないようにして下さい。
事前学習：2時間、事後学習：2時間
|
|
|
|
試験を実施します。その結果によって成績評価を行います。
|
|
|
試験において、データの記述と統計的推測に関する考え方が身についているか、回帰分析に関する基本的な知識が身についているか等を中心に問います。その達成度を評価します。
秀：到達目標を達成し、極めて優秀な成績を修めている。
優：到達目標を達成し、優秀な成績を修めている。
良：到達目標を達成し、良好な成績を修めている。
可：到達目標を達成している。
不可：到達目標を達成していない。
|
|
|
|
|
|
|
|
|
|
9784065238097
|
|
|
教養としてのデータサイエンス
|
|
|
北川源四郎, 竹村彰通編 ; 内田誠一 [ほか] 著,北川, 源四郎,竹村, 彰通,内田, 誠一,川崎, 能典,孝忠, 大輔,佐久間, 淳,椎名, 洋,中川, 裕志,樋口, 知之,丸山, 宏,
|
|
講談社
|
|
2021
|
|
|
|
|
|
9784780607307
|
|
|
データサイエンス入門
|
|
|
竹村彰通, 姫野哲人, 高田聖治編 ; 和泉志津恵 [ほか] 共著,竹村, 彰通,姫野, 哲人,高田, 聖治,和泉, 志津恵,市川, 治,梅津, 高朗,北廣, 和雄,齋藤, 邦彦,佐藤, 智和,白井, 剛,田中, 琢真,槙田, 直木,松井, 秀俊,
|
|
学術図書出版社
|
|
2021
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|