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 | 2024 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 教育学部の数学教育・理科教育コース１年生 |
|
| 授業科目名 | データサイエンスI | |
| でーたさいえんす いち | ||
| Data Science I | ||
| 単位数 | 2 単位 | |
| ナンバリングコード | gedu-fndn-DASC1113-004
|
|
| 開放科目 | 非開放科目 | |
| 分野 | ||
| 分類・領域 |
教養基盤科目・基礎教育 (2022（令和4）年度〜2015（平成27）年度入学生対象) |
|
| 開講学期 |
前期 |
|
| 開講時間 |
月曜日 5, 6時限 |
|
| 授業形態 |
ハイブリッド授業 * 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 |
|
| 開講場所 | ||
| 担当教員 | 山守一徳（教育学部） | |
| YAMAMORI Kazunori | ||
| 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 | これからの学生生活に必要な情報リテラシー（情報資源や情報技術を活用する能力）やデータリテラシー（データに基づいて判断する能力）を身に付けるため、コンピュータの基礎知識（PCの仕組み、セットアップなど基本操作）、インターネット活用の際に必要な情報通信技術に関する知識と技能（メール送信、情報倫理やマナーなども含む）、文章作成（ワードまたはTeX）・表計算（エクセル）・プレゼンテーション（パワーポイント）活用術などを学ぶ。さらに、全学共通の学修項目として、主に教育分野で取り扱われるデータを用いたデータサイエンスの基礎（データの可視化、統計学の基礎、プログラミング体験演習など）を学ぶ。 |
|---|---|
| 学修の目的 | 今後のデジタル社会においては、コンピュータの基本的な仕組みと設定、OSの概要とファイル構造、通信やプログラミングの基礎など、IT/ICTに関する多様な基礎知識が必要となる。また、自らの考えや研究成果を文章や図表（データ処理・加工）として表現し、発信する能力も要求される。このようなスキルは、データに基づいて判断し行動することが求められている現代において、データサイエンスやAIを活用するための基礎となる。 本講義では必携ノートパソコンと三重大学の情報環境を活用して、学生生活の基礎となる情報リテラシーとデータリテラシー（データの活用力）を養い、統計学とデータサイエンスの基礎を学ぶ。 |
| 学修の到達目標 | レポート・指導案作成等に必要なワード・エクセルのソフトウエアを使いこなせるようにする。PythonとRを使ってデータ分析する方法についても理解を深める。 |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 毎回Moodleの中へ課題の提出をする必要があります。 自分のノートパソコンを毎回持参して下さい。 出席と課題の提出が重要です。 課題は当日まででなく、１週間先の授業前までに提出して下さい。 教科書と提出した課題を持ち込み可とするテストがあります。 |
| 授業の方法 | 講義 演習 |
| 授業の特徴 |
Moodleを活用する授業 キャリア教育の要素を加えた授業 |
| 授業アンケート結果を受けての改善点 | Moodleを活用する。 |
| 教科書 | 辻 真吾・矢吹太郎著「ゼロからはじめるデータサイエンス入門 R・Python一挙両得」講談社 |
| 参考書 | 涌井良幸・涌井貞美「統計解析がわかる」技術評論社 谷合廣紀「Pythonで理解する統計解析の基礎」技術評論社 Kun Ren「Rプログラミング本格入門」共立出版 石井俊全「大学の統計学」技術評論社 小寺平治「ゼロから学ぶ統計解析」講談社 |
| オフィスアワー | 水曜日12:00～13:00 |
| 受講要件 | |
| 予め履修が望ましい科目 | |
| 発展科目 | データサイエンスⅡ |
| その他 | 必携パソコンを持参すること |
授業計画
| MoodleのコースURL |
|---|
| キーワード | 統計学基礎、データサイエンス、デジタル化社会、情報リテラシー、R、Python |
|---|---|
| Key Word(s) | Statistics basics、Data science、Digital Society、Information literacy、R、Python |
| 学修内容 | 1 現代社会とデータサイエンス、Wordでの学会発表原稿作成演習 2 コンピュータ・情報通信技術の基礎、ネットワーク、情報セキュリティ、情報倫理 3 信頼できるデータの収集、データの判別と収集（データベースの活用など）（図書館講習） 4 データリテラシー、不偏分散、ｔ分布、Ｆ分布、χ２乗分布、ポアソン分布、指数分布 5 データリテラシー、Excelを用いたグラフ作成 6 データリテラシー、Excelを用いた分散分析、重回帰分析 7 データ・AIを扱う上での留意事項、データ処理準備 8 データを守る上での留意事項 9 ソフトウェアを用いたデータ処理（Pythonプログラミング） 10 ソフトウェアを用いたデータ処理（Rプログラミング） 11 片側検定、両側検定、p値 12 母平均の差の検定、母比率の差の検定、母分散の比の検定 13 ２値分類、混同行列、第一種の過誤と第二種の過誤、ROC曲線 14 機械学習、主成分分析、クラスタ分析 15 データリテラシー、まとめ 16 定期試験 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 | 統計学の要点やツールの使い方を参考文献より学習する必要がある |
| 事前学修の時間:120分/回 事後学修の時間:120分/回 |