シラバス参照／授業情報参照
シラバス参照／授業情報参照
シラバス参照／授業情報参照
| 更新日時 | 2023/03/31 15:41:06 |
|---|---|
| 科目分類 | 基礎科目 |
| 時間割コード | D0A1011 |
| 授業科目名 | 数理・データサイエンスへの誘い |
| 授業科目名（英語） | Mathematical Analysis and Data Science |
| 科目コード | D0A1000 |
| 科目ナンバー | |
| 主担当教員（所属） | 瀬戸 和希(数理・データサイエンス教育研究センター) |
| 単位数 | 2.0 |
| 時間数 | 0.0 |
| 履修年次 | 1年 |
| 開講学期 | 2023年度 前期 |
| 曜日・時限 | 他0 |
| 必修／選択／選択必修／自由 | 必修 |
| 履修資格 | 法文学部 |
| 各種教育プログラム名称 |
| 授業形態 | 講義 | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 授業の目的 |
近年「ビッグデータ」という言葉が世の中に浸透するほど、理工・医療系のみならず、商業、経済、教育などあらゆる分野で大量のデータを的確に分析し、価値を見出すことのできる「データサイエンティスト」の役割の重要性が指摘されています。また、事象を数学的に表現し、問題の解決が図れるような「数理的思考」ができる人材が社会のあらゆる領域で求められています。 この授業では、データサイエンスの基礎と数理的思考、そしてその応用について学びます。データは何を訴えているのかといったデータの見方、データの解析を通して何がわかるのかといった帰納的思考、データの基本的な解析手法およびグラフィック表現手法、データの解析手法を理解するための最低限の数学、そしてAIの恩恵を享受した人間中心の適切な判断や活用について学びます。また、基本的なデータ解析手法を自ら実行できるようになることも目的としています。 |
|||||||||||
| 授業の到達目標 |
（１）様々なグラフ表示や基本的な要約方法など、データの表現方法とその特徴を理解し、表現できる。 （２）データが何を訴えているのかについて批判的に思考することができる。 （３）数理的思考やデータに基づく意思行動決定が様々な分野で用いられており、科学には欠かせないことが理解できる。 （４）AIを正しく理解し、人間とAIの共生方法を自分で考えることができるようになる。 （５）授業で学んだデータ解析の手法や数理的思考を身につけるために、課題に主体的に取り組める。 |
|||||||||||
| 授業の内容および方法 |
本講義では、学部を問わず、これからの世の中で必要とされる内容を扱います。高等学校での数学・理科の履修有無は前提としません。 各回は学習期間を設けています。締切までに間に合うよう各自受講してください。 1．ガイダンス 2．データサイエンスの信頼性 3．データの種類 4．データの可視化 5．データの真ん中を示す指標 6．データの散らばりを示す指標 7．相関関係と因果関係 8．演習：データ検証 9．データサイエンスのための数理 10．人工知能 11．ネット販売のオススメシステム 12．深層学習 13．AIとの向き合い方 14．AI社会とどのように生きるか |
|||||||||||
| 授業の進め方 |
この講義では、オンデマンド型の授業を行います。講義資料、レポート等の必要なものは全てMoodleへアップロードします。受講生は、Moodle上での受講が出来る環境を整えておいてください。 基本的には、以下の順で講義を進めていきます： 1. 授業動画を視聴 2. 演習問題に取り組む 3. ミニッツペーパーの提出 |
|||||||||||
| 授業キーワード | ビッグデータ，データマイニング，データの可視化，データの要約，平均・分散，機械学習，AI | |||||||||||
| テキスト（図書） | ||||||||||||
|
||||||||||||
| 参考文献（図書） | ||||||||||||
|
||||||||||||
| 参考文献（その他）・授業資料等 | 授業資料は適宜Moodle上にて公開します。 | |||||||||||
| 成績評価の方法およびその基準 |
演習問題，ミニッツペーパー ６５点 第８回の演習問題の取り組み １０点 期末まとめレポート ２５点 |
|||||||||||
| 履修上の注意 | 特別な指示がある場合以外は、原則として課題提出はMoodleにて行います。こまめにMoodleを確認し、本授業に関する情報を把握しておいてください。また、授業の出欠についてはミニッツペーパーの提出の有無で判断します。 | |||||||||||
| オフィスアワー | 13:00～15:00の間は生物資源科学部棟3号館118室にて随時受け付けています。 | |||||||||||
| ディプロマポリシーとの関係区分 | ||||||||||||
| 使用言語区分 | 日本語のみ | |||||||||||
| その他 | Moodle上でオンデマンド型の授業を行います。 (1)授業の受講方法 Moodle上で「数理・データサイエンスへの誘い・入門」のコースを検索し、登録する。 (2)受講にあたっての必要な準備 PowerPointを使用することができるパソコン環境 (3)担当教員との連絡方法 受講前の質問は、以下のアドレスへメールしてください。 setok@riko.shimane-u.ac.jp |
| 準備学修（予習・復習・宿題）に必要な学修の時間（１回の授業当たり） ／Time required for homework |
300 |
|---|---|
| 授業の実施方法 ／Types of classes |
遠隔授業（非同期型オンラインのみ）／Remote class（Asynchronous online only） |
| No. | 担当教員 | 担当教員所属 |
|---|---|---|
| 1 | 黒岩 大史 | 総合理工学部数理科学科 |
| 2 | 瀬戸 和希 | 数理・データサイエンス教育研究センター |
| 3 | 古屋 貴士 | 数理・データサイエンス教育研究センター |