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・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（D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-DASC2711-012
|
|
| 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 |
火曜日 1, 2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 | 情報教育室 (教養教育校舎1号館 4階 ) | |
| 担当教員 | 藤山 宗（みえの未来図共創機構・生物資源学研究科） | |
| FUJIYAMA, So | ||
| SDGsの目標 |
|
|
| 連絡事項 | 藤山 宗先生に編集権を付与してください。 * 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 | 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ビッグデータとして蓄積され続けている．この蓄積されたビッグデータを活用しながら社会が抱える課題に対する答えを出せる人材が世界中で求められており，その人材はデータサイエンティストと呼ばれている．データサイエンティストには，社会課題の背景を理解したうえで課題を整理・判断する力，情報処理，AI，統計学などの情報科学系の知恵を使う力，ビッグ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．本講義は，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」科目の発展科目であり，生物資源学分野でビッグデータやAIが取り扱われている事例を教材としながら，データをより詳細に，より高速に取り扱うスキルを身に付ける機会を提供して，これら3つの力を育成する．また，生物資源学分野の視点を持ちながら社会が抱える課題に取り組む中で，課題解決には専門知識以外に，これら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うえで課題を整理・判断する力，情報処理，AI，2）統計学などの情報科学系の知恵を使う力，3）ビッグデータを現場で使える形に変え実装・運用する力，をそれぞれ訓練する．また，ビッグデータを取り扱うために必要な情報倫理に関する知識を身に付けるとともに，人と意見を交換したり，データをやり取りする際に必要なコミュニケーション力を訓練する． |
| 学修の到達目標 | ・生物資源学分野に関連するデータを取り扱う． ・ファイルフォーマット，データフォーマット，データ型，ファイルパスが説明できる． ・プログラミング言語（R言語など）を使ってデータを取り扱う簡単なプログラムを作成できる． ・表計算ソフトやプログラミング言語を使ってデータを整理・分析できる． ・表計算ソフトやスクリプト言語ベースのソフト（gnuplotなど）を使ってグラフを描画することができる． ・インターネットの仕組みとセキュリティや安全なデータ通信について理解できる． ・自分のアイデア，データの解析結果などを学術的な表現を使って文章にまとめることができる． |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 一定回数以上欠席した場合，不合格となる。詳しくは第1回目の授業で説明する。 課題レポート80%，期末試験20%，計100%。（合計が60%以上で合格） |
| 授業の方法 | 講義 |
| 授業の特徴 |
反転授業 Moodleを活用する授業 |
| 授業改善の工夫 | 授業中，学生の理解度をチェックしながら授業を進める。また，FD授業アンケートの意見に基づいて次年度の授業改善に努めたい。アプリケーションの操作法や課題作成のポイントについては動画説明資料が作成してあるので，事前・事後の学習で活用して欲しい。 |
| 教科書 | |
| 参考書 | |
| オフィスアワー | 原則として授業終了後。火曜日2コマ目，5コマ目以降。 |
| 受講要件 | 第1回目の授業から，毎回ノートパソコンを持参すること。 |
| 予め履修が望ましい科目 | データサイエンスI |
| 発展科目 | 農業情報ネットワーク，プログラミング，数値計算法 |
| その他 |
教員免許・各種資格取得に関連した科目（注：必ず入学年度の学修（習）要項で確認してください） 第1～３回の授業は、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います。 |
授業計画
| MoodleのコースURL |
https://moodle.mie-u.ac.jp/moodle35/course/view.php?id=15997 |
|---|
| キーワード | データサイエンス、デジタル化社会，AI，データサンティスト |
|---|---|
| Key Word(s) | Data Science, Digital Society, AI, Data scientist |
| 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・AI 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．また，この授業で使うフリーソフトのインストールを行う． 2．AI利活用のためのデータ処理の概要の説明（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し，例題としてR言語を用いてビッグデータを読み取る． 3．オープンデータデータを取り扱う（データを読む２） データファイルを取り扱うために必要な知識としてファイルパスについて説明し，さらに，シェルコマンドの操作方法について説明する．各種オープンデータのファイルフォーマットとデータをフォーマットを説明し，後の授業で使用するオープンデータにアクセスする． 4．オープンデータにあるビッグデータを読む（データを読む３） 生物資源学分野に関連するオープンデータを紹介し，データの読み込みおよびデータの理解をするとともに，データのスケール，単位，データの傾向など，データを取り扱う際の留意点を理解する． 5．ビットマップ形式の画像を編集する（データを読む４） 写真などの画像ファイル形式であるビットマップ形式と次回に習うベクトル形式画像の違いを説明する．素材を作成するためにスクリーンキャプチャの仕方を学習し，ビットマップ形式の画像の編集する． 6．ベクトル形式の画像を編集する（データを読む５） 拡大しても情報量が変化しないベクトル形式の画像について説明する。フリーソフトを用いた図の作成を通じてベクトル形式の画像の作成・編集方法を学ぶ． 7．スクリプト言語で操作できるソフトを使ってグラフを効率的に描画（データを扱う１） gnuplotを用いてスクリプトでグラフを作成する基本について学ぶ． 8．オープンデータを用いたグラフ描画（データを扱う２） 公開されているCSVファイルを読み込んで，指定された形式でグラフを描画する． 9．複雑なグラフを作成（データを扱う３） 降水量と流量のデータを用いて，片方は棒グラフ，もう一方は対数表示の折れ線グラフでハイドロ・ハイエトグラフを作成する。 10．表計算ソフトを用いたデータ処理（データを扱う４） VBAを用いて簡単な数値計算を行う。 11．R言語を用いたデータ分析（データを扱う５） Rのモジュールをインストールし，複雑なグラフ作成の演習を行う。 12．仮説検定による分析（データを説明する１） 統計解析の一つである仮説検定について説明し，R言語および表計算ソフトにより仮説検定の仕方について学ぶ 13．アンケート結果の前処理と集計（データを説明する２） 解析に使用する前に行うべきデータクレンジングについて説明し，論理矛盾が取り除かれたデータを処理して集計する． 14．データの図解と適切な表現（データを説明する３） いくつかのサンプルデータを使って，データの図解と適切な表現について考える。 15．アカデミック・ライティングのためのレポート作成（データを説明する４） データを分析した結果をレポートや論文にまとめるときに留意するライティング作法として，数式作成，図表およびタイトルの挿入とレイアウトについて説明する． 講義の順序などは変更することがある． |
| 事前・事後学修の内容 | この授業で使うソフトウェアは全て自分のノートパソコンにインストールできるので，課題作成は授業時間外にも行うことができる。 第01回目.事前：データサイエンスIの内容の再確認(1時間) 事後：インストールしたフリーソフトの動作確認(3時間) 第02回目.事前：ファイルの種類に関す復習(1時間) 事後：課題作成と提出(3時間) 第03回目.事前：OS，ディレクトリ，ファイルパスの復習（1時間） 事後：Windows Terminal，ディレクトリ，環境変数，PATHの理解(3時間) 第04回目.事前：生物資源分野のオープンデータに関する予習（1時間） 事後：課題作成と提出(3時間) 第05回目.事前：画像形式(ビットマップ)の復習（1時間） 事後：課題作成と提出(3時間) 第06回目.事前：画像形式(ベクトル)の復習（1時間） 事後：課題の作成と提出(3時間) 第07回目.事前：gnuplotの基本的な使い方の予習（1時間） 事後：課題の作成と提出(3時間) 第08回目.事前：CSVファイルの読み込みの予習（1時間） 事後：課題の作成と提出(3時間) 第09回目.事前：ハイドログラフ・ハイエトグラフの予習（1時間） 事後：課題の作成と提出(3時間) 第10回目.事前：VBAの予習（1時間） 事後：課題の作成と提出(3時間) 第11回目.事前：RとRStudioの復習（1時間） 事後：課題の作成と提出(3時間) 第12回目.事前：統計解析の予習（1時間） 事後：課題の作成と提出(3時間) 第13回目.事前：データの前処理に関する予習（1時間） 事後：課題の作成と提出(3時間) 第14回目. 事前：データの図解と適切な表現に関する予習（1時間） 事後：課題の作成と提出(3時間) 第15回目.事前：Wordによる文書作成の復習（1時間） 事後：課題の作成と提出(3時間) |
| 事前学修の時間:60分/回 事後学修の時間:180分/回 |