三重大学ウェブシラバス

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	2023 年度
開講区分	共通教育・教養基礎科目

受講対象学生	学部(学士課程) : 2年次, 3年次, 4年次, 5年次, 6年次
授業科目名	データサイエンスIII
	でーたさいえんすさん
	Data Science III
授業テーマ	データ解析と統計
単位数	2 単位

受講対象学生	学部(学士課程) : 2年次, 3年次, 4年次, 5年次, 6年次 2022年度以前入学生用の科目 ※ 過去に「現代科学理解特殊講義」が単位認定されている場合、重複履修の申請が必要です。履修案内を確認の上、教養教育事務室へ申し出て下さい。
授業科目名	現代科学理解特殊講義
	げんだいかがくりかいとくしゅこうぎ
	Lecture Course in Understanding Modern Sciences
授業テーマ	データ解析と統計
単位数	2 単位
ナンバリングコード

開放科目	非開放科目
分野	環境・科学
分類・領域	教養統合科目・現代科学理解 (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	木曜日 5, 6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「ハイブリッド授業」・・・「対面授業」と「オンライン授業」を併用した授業「オンデマンド授業」・・・動画コンテンツの配信等によって実施する授業
開講場所	数理・データサイエンス館 (CeMDS館) 2F [Google Map]https://goo.gl/maps/xAByQFySa2hk6od58 (受講者数が多い場合、開講場所を変更する場合があります)
担当教員	○白井伸宙（総合情報処理センター）
担当教員	○Nobu C. Shirai
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	研究室で取り組む研究で必要となるデータの取り扱い・解析のうち、研究分野に依存しない基礎的な事項を学ぶ。
学修の目的	データが与えられた時、以下の事項ができるようになること。・データが集められた目的・方法などの背景情報を把握する・データを計算機が処理しやすい形式に整える (整然化; tidying) ・統計プログラムにより基本的な統計量を算出し、データの質・内容を理解する・グラフィカルユーザインタフェース (GUI) とコマンドラインインターフェース (CLI) のそれぞれの利点を理解し、用途に合わせてツールを使い分ける・ノートブック形式のファイルを利用することで、データの処理や統計解析を説明文書とともに再現可能な形で提示する方法を知り、実践する・常に解析の誤りを疑い、誤りが生じたことに気づけるよう備える・データからどのような情報を引き出すことができるかを検討する・同種かつ未知のデータに対し、値や分類を推測する数理モデルを1つ以上構築することができる・構築した数理モデルを評価する方法について説明できる・データから得られた情報にはどのような応用先があるか、どのような主張が可能かを考察する自らデータを収集し記録する際に気を付けるべき以下の事項を把握すること。・人と機械の両方が読み取りやすく再利用がしやすいようにデータを整える・可読性・再利用可能性を損なうデータの記録方法とその理由について把握する
学修の到達目標	未知のデータを与えられた時、その中身を理解するための具体的な手続きを想起し、臆することなくデータと向き合う事ができるようになる。具体的な手続きの例: ・データについている説明書きを読む・テキストエディタや表計算ソフトで中身のデータを眺める・統計解析ソフトのコマンドを用いてデータ処理の過程をプログラムで実装し、人為的なミスを減らす工夫をする・複数の解析手法を用いて同じデータを多面的に捉え、互いに矛盾がないかを確認することで、解析に誤りがないか確認する・次にどのような出力が得られるかを解析の各過程で予想する・想定外の結果が得られた場合に解析の誤りを疑い、解析に誤りがないことがある程度立証できた場合には、データ自体の誤りを疑う
ディプロマ・ポリシー	○ 学科・コース等の教育目標 ○ 全学の教育目標感じる力　感性　共感 ○主体性考える力　幅広い教養 ○専門知識・技術 ○論理的・批判的思考力コミュニケーション力 ○表現力(発表・討論・対話) 　リーダーシップ・フォロワーシップ　実践外国語力生きる力 ○問題発見解決力　心身・健康に対する意識 ○社会人としての態度・倫理観
成績評価方法と基準	毎回の授業前後に出題するレポート: 60% 中間・期末レポート: 40%
授業の方法	講義演習
授業の特徴	PBL 特色ある教育反転授業英語を用いた教育
授業改善の工夫	・対面で行う授業を録画し、授業後に再度受講できるようにアーカイブ動画を準備する。・Google Classroom経由で授業内容に関する質問や授業の進行に対するコメントを受け付け、授業の進行スピードを調節する。
教科書	江崎貴裕『分析者のためのデータ解釈学入門データの本質をとらえる技術』ソシム (2020) http://opac.lib.mie-u.ac.jp/opc/recordID/catalog.bib/BC04485205 ※ 赤色のカバーの本。参考書に指定している姉妹書の『数理モデル入門』とタイトルが似ているので注意。
参考書	江崎貴裕『データ分析のための数理モデル入門本質をとらえた分析のために』ソシム (2020) https://opac.lib.mie-u.ac.jp/opc/recordID/catalog.bib/BB30526175 ※ 黄色のカバーの本。教科書に指定している『データ解釈学入門』の姉妹書。 Steven S. Skiena 著、小野陽子監訳、長尾高弘訳『データサイエンス設計マニュアル』オライリー・ジャパン (2020) https://opac.lib.mie-u.ac.jp/opc/recordID/catalog.bib/BB29620642 ※ 以下のリンクから原著者のSteven S. Skiena氏による講義動画、講義資料を閲覧できる。 https://www3.cs.stonybrook.edu/~skiena/data-manual/lectures/
オフィスアワー	木曜日　12:00〜14:00; 14:30～15:30 （授業前後の時間）
受講要件
予め履修が望ましい科目	データサイエンスI、データサイエンスII
発展科目
その他	以下に白井が担当した授業の例を示す。講義の進め方、レポートの出題方法など、参考になる所があるかもしれない。 -- ・情報工学科3年生向け『数値解析』 (2020年度) https://youtube.com/playlist?list=PL6NMQgXuN9innnY7_yVT5ZJ7tE_oqeQH6

授業計画

MoodleのコースURL

キーワード	データサイエンス、データ解析、統計
Key Word(s)	data science, data analysis, statistics
学修内容	第01回データの観察法第02回データ解析に潜む罠第03回データに含まれる誤差とバイアス第04回相関関係と交絡因子第05回データ収集の計画法第06回データの整然化第07回データ分析の自動化と再現性第08回記述統計量と統計分布第09回探索的データ分析第10回確証的データ分析 (統計検定) 第11回多変量データの解析第12回数理モデルの基礎第13回応用志向型モデリング (機械学習) 第14回数理モデルの評価第15回データの可視化
事前・事後学修の内容	授業開始までに提出する簡単な課題と授業後に提出する課題があります。
事前・事後学修の内容	事前学修の時間:90分/回　　　事後学修の時間:150分/回