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8 クラス (SC)【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。

講義形態:同時双方向オンライン

※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  
No内容
第1回 イントロダクション
第2回 量的データの分布(1)
第3回 量的データの分布(2)
第4回 量的データの関係(1)
第5回 量的データの関係(2)
第6回 回帰分析(1)
第7回 回帰分析(2)
第8回 回帰分析(3)
第9回 主成分分析(1)
第10回 主成分分析(2)
第11回 クラスタリング(1)
第12回 クラスタリング(2)
第13回 質的データの分析(1)
第14回 質的データの分析(2)
第15回 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