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 生物資源学部農林環境科学コース1年生（農林1＋農林2クラス） |
|
| 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-DASC2123-022
|
|
| 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 |
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 |
|
| 開講場所 | ||
| 担当教員 | 白水 貴，北上 雄大，野中 章久（生物資源学部資源循環学科） | |
| 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． ・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 ・適切にデータをビジュアル化するための基本を身につける ・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 ・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 |
|
| 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 |
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） |
| 授業アンケート結果を受けての改善点 | 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回の講義では奥原先生（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用します． |
授業計画
| MoodleのコースURL |
https://moodle.mie-u.ac.jp/moodle35/course/view.php?id=18866 |
|---|
| 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． 5.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． 6.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． 7.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． 8.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． 9.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． 10.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． 11.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． 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 |