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 人文学部法律経済学科クラス |
|
| 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 | libr-fndt-DASC2711-001
|
|
| 開放科目 | 非開放科目 | |
| 分野 | ||
| 開講学期 |
後期 |
|
| 開講時間 |
木曜日 3, 4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 | 嶋恵一 | |
| Keiichi Shima | ||
| SDGsの目標 |
|
|
| 連絡事項 | データサイエンスはクラス指定があります。ここは学籍番号122201～122277が履修するクラス（嶋担当）です。 それ以外の学籍番号の履修指定は深井先生のクラスです。指定以外の履修はできません。 私のクラスのムードルコースは次の通りです https://moodle.mie-u.ac.jp/moodle35/course/view.php?id=15124 * 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、データサイエンスや人工知能(AI)という言葉をよく耳にする。AIとその関連技術は、データに基づいて判断し行動することが求められる現代社会において必要とされるスキルである。一方で、AIに仕事を奪われるかもしれないなど、新たな社会問題となってきている。本講義では、まず初めにAIとそれを支える技術(データ収集・解析、機械学習など)との関係を整理し、現実の社会でデータがどのように活用されているかを学ぶ。つぎに、不安なくデータを扱い活用するためにデータサイエンスの基礎(データを収集して読み、説明し、適切に扱う)を学び、社会科学（法学・政治学・経済学・経営学）のデータを適切に扱う方法を学ぶ。 |
|---|---|
| 学修の目的 | 今後のデジタル社会において、データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を身に付けること。そして、学修したデータサイエンス・AI に関する知識をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意志でデータに基づいた判断ができることを目的とする。 本講義では、データサイエンスIで習得した基本的な知識に基づき、より応用的なデータサイエンスの活用を目指す。具体的には、データサイエンスIで学んだコンピュータの操作やインターネット上のデータの有効利用を一層進め、エクセルやRなどのソフトウェアを使い、データに潜む特徴を可視化と統計学とにより客観的に明らかにする分析方法を学ぶ。 |
| 学修の到達目標 | データサイエンスIで学んだデータリテラシーに基づいて収集・整理した情報に対して、これらを適切に読み、説明し、扱うための基礎知識を得る。そのために、エクセル、Rなどのソフトウェアを用いて、データの可視化とその統計分析に習熟することを目標とする。 |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 課題の提出により評価する |
| 授業の方法 | 講義 演習 |
| 授業の特徴 |
Moodleを活用する授業 |
| 授業改善の工夫 | |
| 教科書 | 使用しない |
| 参考書 | 講義中に示す |
| オフィスアワー | 授業時に通知する |
| 受講要件 | データサイエンスIを履修済みであること |
| 予め履修が望ましい科目 | |
| 発展科目 | 統計学 |
| その他 |
授業計画
| MoodleのコースURL |
|---|
| キーワード | データサイエンス、デジタル化社会、統計学、データ探査分析、データ可視化 |
|---|---|
| Key Word(s) | Data science, digital society, statistics, exploratory data analysis, visualization |
| 学修内容 | 講義計画は次の通り 1 社会で起きている変化、活用されているデータ：データサイエンスIIのイントロダクション 2 データ・AI利活用の最新動向：データ分析に関する事例と動向の紹介 3 AI利活用のためのデータ処理（データを読む１）：データセットの例題と分析手順例の紹介 4 代表値とちらばり（データを読む２）：統計学の学習、平均、分散、標準偏差 5 相関（データを読む３）：相関係数 6 正規分布の活用（データを読む４）：信頼区間、２シグマ、３シグマの紹介 7 データの可視化（データを説明する１）：データの特徴をグラフから明らかにする、散布図、折れ線 8 データの可視化演習（データを説明する２）：ヒストグラム、その他のグラフとデータ分割 9 単回帰分析（データを説明する３）：回帰分析の入門、相関との違い、説明変数とは何か 10 多重回帰分析（データを説明する４）：複数の説明変数、あてはまりの良さ 11 記述統計、相関係数のデータ演習（データを扱う１） 12 単回帰分析のデータ演習（データを扱う２） 13 多重回帰分析のデータ演習（データを扱う３） 14 演習１ 15 演習２ |
| 事前・事後学修の内容 | 毎回の授業で提示する操作作業や演習課題に取り組むこと |
| 事前学修の時間:30分/回 事後学修の時間:90分/回 |