シラバス情報
|
教員名 ： 小松 悟朗
|
授業科目名
データサイエンスI
学年
1年
単位数
2.00単位
実務経験の有無
開講クォーター
セメスタ指定なし
担当教員
小松 悟朗
授業形態
授業で主に使用する言語
日本語
授業方法区分
開講キャンパス
オンライン
授業の到達目標及びテーマ
本講義では、近年重要性を増すデータサイエンスの基本を学ぶ。
ICTの急速な進展により、我々を取り巻く環境は、家庭生活のレベルから学校での学びや企業活動、社会の構成に至るまで、大きな変革の時代を迎えている。第四次産業革命と称されるこの動きの中核技術は、IoT、AI、ビッグデータ、データサイエンスであり、データ駆動型社会の到来が着実に現実のものになりつつある。 本講義ではまず導入として、データの活用事例を示しながら、データサイエンスやAIが日常生活や組織・社会の問題を解決する有効な手段であることを理解する。 また、データサイエンスの基礎として、データを読み、理解し、説明することで、データから新しい価値を引き出す基本的な運営力を身につける。 さらに、データサイエンスの心得として、データ倫理の問題など、データ活用の留意事項についても取り上げる。 紹介動画: https://jiu.webex.com/jiu/ldr.php?RCID=6786811e4ade48f2ebc0259dea1b0412 Password: 2iMMR3m3 授業の概要
科目名: データサイエンスI (Data Science I)
授業形態: 講義・演習 内容: 本講義では、文科省「数理・データサイエンス・AI（リテラシーレベル）」の「導入」「基礎」「心得」の講義と演習を行う。 毎週はじめの授業では講義を行う。データ・AIの利活用に求められる知識と留意事項を学び、データサイエンスの「導入」と「心得」を習得する。 週の2回目の授業では演習を行う。実際にExcelを用いてデータを分析し、データサイエンスの「基礎」を習得する。 第1週 (講義) 導入 1-1 社会で起きている変化 (演習) 基礎 2-1 データを読む 第2週 (講義) 導入 1-2 社会で活用されているデータ (演習) 基礎 2-1 データを読む (続き) 第3週 (講義) 導入 1-3 データ・AIの活用領域 (演習) 基礎 2-2 データを説明する 第4週 (講義) 導入 1-4 データ・AI利活用のための技術 (演習) 基礎 2-2 データを説明する (続き) 第5週 (講義) 導入 1-5 データ・AI利活用の現場 (演習) 基礎 2-3 データを扱う 第6週 (講義) 導入 1-6 データ・AI利活用の最新動向 (演習) 基礎 2-3 データを扱う (続き) 第7週 (講義) 心得3-1, 3-2 データ・AIを扱う上での留意事項, データを守る上での留意事項 授業計画
1回
(講義) 導入 1-1 社会で起きている変化
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
2回
(演習) 基礎 2-1 データを読む
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
3回
(講義) 導入 1-2 社会で活用されているデータ
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
4回
(演習) 基礎 2-1 データを読む (続き)
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
5回
(講義) 導入 1-3 データ・AIの活用領域
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
6回
(演習) 基礎 2-2 データを説明する
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
7回目
(講義) 導入 1-4 データ・AI利活用のための技術
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
8回
(演習) 基礎 2-2 データを説明する (続き)
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
9回
(講義) 導入 1-5 データ・AI利活用の現場
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
10回
(演習) 基礎 2-3 データを扱う
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
11回
(講義) 導入 1-6 データ・AI利活用の最新動向
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
12回
(演習) 基礎 2-3 データを扱う (続き)
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
13回
(講義) 心得3-1, 3-2 データ・AIを扱う上での留意事項, データを守る上での留意事項
事前学習
(2時間) テキストの指定箇所を読む
事後学習
(2時間) 課題を提出する
14回
事前学習
事後学習
15回
事前学習
事後学習
16回
事前学習
事後学習
17回
事前学習
事後学習
18回
事前学習
事後学習
19回
事前学習
事後学習
20回
事前学習
事後学習
21回
事前学習
事後学習
22回
事前学習
事後学習
23回目
事前学習
事後学習
24回
事前学習
事後学習
25回
事前学習
事後学習
26回
事前学習
事後学習
試験及び成績評価
課題：50%
期末試験：50% 課題(試験やレポート等)に対するフィードバック
授業にて適宜行う
講義で使用するテキスト（書名・著者・出版社・ISBN・備考）
教養としてのデータサイエンス (データサイエンス入門シリーズ)
北川 源四郎・竹村 彰通 他
講談社
978-4065238097
2021年
参考文献・推薦図書
データサイエンス入門 第2版 (データサイエンス大系)
竹村 彰通・姫野 哲人 他 学術図書出版社 978-4780607307 2021年 データサイエンス入門 (岩波新書) 竹村 彰通 岩波新書 978-4004317135 2018年 研究室
オンデマンド授業のため、オンラインで受け付ける。
事前にアポイントメント取ること。 オフィスアワー
オンデマンド授業のため、オンラインで受け付ける。
事前にアポイントメント取ること。 科目ナンバリング
学位授与方針との関連
関連ページ
|
