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 | 2022 年度 | |
|---|---|---|
| 開講区分 | 教養教育・教養基盤科目・データサイエンス | |
| 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 | libr-fndt-DASC1711-007
|
|
| 開放科目 | 非開放科目 | |
| 分野 | ||
| 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びます。 |
| 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 | レポート・試験(５０％)、授業に対する積極的な姿勢(５０％) |
| 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 |
| 授業改善の工夫 | Moodleを活用する。 |
| 教科書 | 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 |
| 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 松田稔樹・萩生田伸子「問題解決のためのデータサイエンス入門」実教出版 涌井良幸・涌井貞美「統計学の図鑑」技術評論社 |
| 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での文章作成 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） 4 データリテラシー、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 データリテラシー、HTML,CSSを用いたテーブル表記 8 データ・AIを扱う上での留意事項、データ処理準備 9 データを守る上での留意事項、confusion matrix 10 データリテラシー、Pythonを用いたデータ分析 11 データの可視化、Pythonプログラミング 12 統計解析基礎、区間推定、母平均の差の検定 13 ソフトウェアを用いたデータ処理（Rを⽤いたデータ分析） 14 ソフトウェアを用いたデータ処理（Rプログラミング） 15 データリテラシー、まとめ 16 定期試験 |
| 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 |