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 教育学部の国語教育・社会教育コース１年生 |
|
| 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 | gedu-fndn-DASC2123-007
|
|
| 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 |
後期 |
|
| 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 | 大量のデータが収集できるようになっている現代では、データ処理技術は重要な技術となっている。データを収集し、解析し、新たな知見を見い出すという能力は、マーケティング、製造管理、品質管理、金融、保険、生命科学などの様々な分野で求められている。 データサイエンスIの授業では、リテラシー教育に近いところでの、ソフトウェアの使い方と統計解析の基礎を学習したはずであるので、本授業では、さらに高度なデータサイエンスに必要なツール（Excel,Python,R)の使い方やデータ解析の仕方を学習する。 本授業の履修対象が、文系学生であるため、アンケート処理に役に立つと思われる内容を講義＆演習する。 |
|---|---|
| 学修の目的 | 大量データ解析・利用する場面では世の中では人工知能（AI）を導入し、人智を越えたレベルの結果を求められている。そのためには機械学習を含めたデータサイエンスを習得しなければならないが、本授業では、その手前のデータ解析手法までを学習する。 |
| 学修の到達目標 | 教育学部ではアンケート収集し、その結果を分析することがよく行われる。そのために必要なデータ分析手法を学習する。 また、オープンデータが広く公開されているので、それらのデータを駆使できるようになることも目指す。 |
| 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 | 涌井良幸・涌井貞美著「統計解析がわかる」技術評論社 |
| 参考書 | 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」講談社 中山浩太郎監修「東京大学のデータサイエンティスト育成講座」マイナビ出版 石井俊全著「大学の統計学」技術評論社 山崎貴史・上野照正著「プログラムのつくりかた Python基礎編Lv.1」実教出版 |
| 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 | データサイエンスI |
| 発展科目 | |
| 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、情報リテラシー、R、Python |
|---|---|
| Key Word(s) | Statistics basics、Data science、Information literacy、R、Python |
| 学修内容 | 第1回 社会で起きている変化、活用されているデータ 統計のための資料やデータの見方 第2回 データ・AI利活用の最新動向～活用領域・現場・技術 オープンデータ 第3回 箱ひげ図と相関図（データを読む１） 第4回 共分散と相関係数（データを読む２） 第5回 パーセント点とP値（データを読む３） 第6回 中心極限定理と不偏分散（データを読む４） 第7回 ｔ分布、χ２分布（データを説明する１） 第8回 Ｆ分布、ポアソン分布（データを説明する２） 第9回 母平均の推定、母比率の推定（データを説明する３） 第10回 第一種の過誤と第二種の過誤（データを説明する４） 第11回 片側検定と両側検定（データを扱う１） 第12回 単回帰分析（データを扱う２） 第13回 決定係数（データを扱う３） 第14回 重回帰分析（データを扱う４） 第15回 分散分析（データを扱う５） 第16回 試験 |
| 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 |