三重大学ウェブシラバス


シラバス表示

 シラバスの詳細な内容を表示します。

→ 閉じる(シラバスの一覧にもどる)

科目の基本情報

開講年度 2023 年度
開講区分 共通教育・大学基礎科目
受講対象学生 学部(学士課程) : 1年次
生物資源学部資源循環学科
授業科目名 データサイエンスII
でーたさいえんすに
Data Science II
単位数 2 単位
ナンバリングコード
libr-fndt-DASC2711-010
開放科目 非開放科目    
分野
分類・領域
開講学期

後期

開講時間 金曜日 3, 4時限
授業形態

対面授業

* 状況により変更される可能性があるので定期的に確認して下さい

「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業
「ハイブリッド授業」・・・「対面授業」と「オンライン授業」を併用した授業
「オンデマンド授業」・・・動画コンテンツの配信等によって実施する授業

開講場所

担当教員 白水 貴,北上 雄大,野中 章久(生物資源学部)

SHIROUZU, Takashi KITAGAMI, Yudai NONAKA, Akihisa

SDGsの目標
連絡事項

* 状況により変更される可能性があるので定期的に確認して下さい

学修の目的と方法

授業の概要 近年,デジタル化社会の進展は著しく,多種多様なデータが蓄積・公開されている.これらのデータを活用しながら社会が抱える課題を解決できる人材が必要とされ,広くデータサイエンティストとしての教養が求められている.データサイエンティストには,1)社会課題の背景を理解した上で課題を整理・判断する力,2)情報処理,AI,統計学などの情報科学系の知恵を使う力,3)データを現場で使える形に変え実装・運用する力,の3つの力が必要とされている.本科目は,データサイエンスの基礎知識の習得を目的とした「データサイエンスI」の発展科目である.データやAIが取り扱われている事例を教材としながら,データを適切に読み,説明し,扱うためのデータリテラシーについて学ぶことで,上記の3つの力を育成する.また,生物資源学の視点から社会的課題を解決していくために,専門知識に加えて上記の3つの力が必要なことに気づく機会を提供する.
学修の目的 データサイエンティストに求められる3つの力,1)社会課題の背景を理解した上で課題を整理・判断する力,2)情報処理,AI,統計学などの情報科学系の知恵を使う力,3)データを現場で使える形に変え実装・運用する力,に関する教養を身につける.また,データを取り扱う上で必要なデータリテラシーを修得するとともに,人と意見を交換したり,データをやり取りしたりする際に必要なコミュニケーション力を養う.
学修の到達目標 データリテラシーに基づいて収集・整理したデータに対し,これらを適切に読み,説明し,扱うための基礎知識を修得する.データサイエンスやAIが実社会で活用されている事例を通し,関連する技術の概要を理解する.
・統計情報を正しく理解することができる
・データの種類や性質に関する知識を身につける
・ビジュアル化されたデータから適切に情報を読み取ることができる
・誤った情報を伝えないように適切にデータをビジュアル化することができる
・データ処理のための環境整備からプログラム作成までの基本を身につける
・実際のデータサイエンスのプロセスを理解する
ディプロマ・ポリシー
○ 学科・コース等の教育目標

○ 全学の教育目標
感じる力
  •  感性
  •  共感
  • ○主体性
考える力
  •  幅広い教養
  •  専門知識・技術
  • ○論理的・批判的思考力
コミュニケーション力
  • ○表現力(発表・討論・対話)
  •  リーダーシップ・フォロワーシップ
  •  実践外国語力
生きる力
  • ○問題発見解決力
  •  心身・健康に対する意識
  • ○社会人としての態度・倫理観

成績評価方法と基準 4回以上欠席の場合は再受講.各教員による課題に対する評価あり(詳細については各教員が初回授業で説明する).
授業の方法 講義

授業の特徴

PBL

特色ある教育

プレゼンテーション/ディベートを取り入れた授業
Moodleを活用する授業
その他、能動的要素を加えた授業(ミニッツペーパー、シャトルカードなど)

英語を用いた教育

授業改善の工夫 パソコンを利用する
教科書 教材・資料は適宜配布
参考書 データサイエンス入門『教養としてのデータサイエンス』(北川源四郎ら 編著,講談社)
『実験で使うとこだけ生物統計1 キホンのキ』(池田 郁男 著,羊土社)
『ファクトフルネス』(ハンス・ロスリングら 著,日経BP社)
オフィスアワー 随時,メールにて教員に連絡して来室のこと.
白水 shirouzu@bio
北上 kitagami@bio
野中 akinonaka@bio
受講要件
予め履修が望ましい科目 データサイエンスI
発展科目 農林統計学 卒業研究
その他 第1~3回の授業は、奥原先生(データサイエンス教育センター/工学研究科情報工学専攻)提供によるビデオ教材を使います。

授業計画

MoodleのコースURL https://moodle.mie-u.ac.jp/moodle35/course/view.php?id=15926
キーワード データサイエンス,データリテラシー,デジタル化社会,AI
Key Word(s) Data Science, Data Literacy, Digital Society, AI
学修内容 1.社会で起きている変化、活用されているデータ
データやAIが活用されている最新の動向や,活用されている領域・現場・技術について紹介する.

2.データ・AI利活用の最新動向~活用領域・現場・技術
データ・AI利活用の最新動向について紹介する.

3.AI利活用のためのデータ処理(データを読む1)
AIを活用する時に行われているデータ処理の事例を紹介する.

4.データの種類,分布(データを読む2)
ヒストグラムや代表値の性質について学ぶ.

5.データのばらつき,相関と因果性(データを読む3)
分散,標準偏差,相関係数について学ぶ.

6.母集団と標本抽出,クロス集計表(データを読む4)
標本抽出法や散布図行列について学ぶ.

7.統計情報の正しい理解(データを扱う1)
時系列データなどの統計情報を正しく理解し,その扱い方を学ぶ.

8.データの可視化(データを説明する1)
グラフなどデータをビジュアル化する方法の基礎について学ぶ.

9.データで見た世界(データを説明する2)
実際のデータに基づき世界がどのように説明されているのかについて学ぶ.

10.誤ったデータの表現(データを説明する3)
誤ったデータの表現について紹介し,データをビジュアル化する際に気を付けるべき点について学ぶ.

11.オンライングラフ調査(データを説明する4)
世の中のビジュアル化されたデータについて調査し,そこから読み取れる情報について説明する.

12.ソフトウェアのインストール(データを扱う2)
データ解析に用いるソフトウェア(Anaconda)のインストールと使用環境のセットアップについて学ぶ.

13.プログラミング言語の基礎(データを扱う3)
データ解析に用いるプログラミング言語(Python)の使用方法について学ぶ.

14.統合開発環境の基礎(データを扱う4)
データ解析のための開発環境の世界的スタンダードとなっているJupyter Notebookの使用法の基礎と実務における活用法を学ぶ.

15.機械学習の演習(データを扱う5)
サンプルデータを用いたデータ処理の演習を通じて,機械学習等AI技術の基本的な動作の基礎を学ぶ.

講義の順序などは変更することがあります.
事前・事後学修の内容 【予習】参考書などの教材を活用し,事前に各講義の学修内容について予習する.
【復習】参考書や講義で用いた資料などを活用し,各講義の学修内容について復習する.
事前学修の時間:80分/回    事後学修の時間:160分/回

Copyright (c) Mie University