シラバス基本情報

更新日時	2023/04/12 10:07:56
科目分類	専門教育科目
時間割コード	ZD75011
授業科目名	データサイエンス基礎
授業科目名（英語）
科目コード	ZD75010
科目ナンバー
主担当教員（所属）	古屋　貴士, 瀬戸和希, 黒岩⼤史(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	2年,3年,4年
開講学期	2023年度　　前期
曜日・時限	水5, 水6
必修／選択／選択必修／自由	選択
履修資格	「数理・データサイエンスへの誘い」に相当する内容を習得していること
各種教育プログラム名称

担当教員一覧

---

シラバス詳細情報

授業形態	講義・演習
授業の目的	データ駆動型社会においてデータサイエンスを学ぶことの意義を理解し、データを収集・前処理・可視化するための技術と、⽬的に沿ったデータ分析⼿法を学ぶ。
授業の到達目標	(1) データ駆動型社会においてデータサイエンスを学ぶことの意義を説明できる (2) Pythonを用いて様々なデータの収集・前処理・可視化方法を習得することができる (3) データ分析手法の概念と理論を説明できる (4) 回帰と分類の違いを理解し、Pythonを用いて実装することができる (5) 線形分類手法を用いて、自分で書いた手書き文字を識別するPythonコードを構築することができる
授業の内容および方法	第１回　ガイダンスおよび授業概要 第２回　データ駆動型社会とデータサイエンス 第３回　Python基礎：変数・リスト 第４回　Python基礎：構文 第５回　Python基礎：関数 第６回　Python基礎：NumPy 第７回　Python基礎：Matplotlib 第８回　Python基礎：Pandas 第９回　データ分析手法(線形回帰)：概要 第１０回　データ分析手法(線形回帰)：コーディング 第１1回　データ分析手法(線形分類)：概要 第１2回　データ分析手法(線形分類)：コーディング 第１3回　線形分類手法による手書き文字(MNIST)認識実装：コーディング 第１4回　線形分類手法による手書き文字(MNIST)認識実装：評価
授業の進め方	面接授業を行います。授業資料、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。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。
授業キーワード	データ駆動型, データサイエンス, Python, 線形回帰, 線形分類
テキスト（図書）
参考文献（図書）
	ISBN 9784065238097 書名 教養としてのデータサイエンス 巻次 著者名 北川源四郎／編集 竹村彰通／編集 内田誠一／著 川崎能典／著 孝忠大輔／著 佐久間淳／著 ほか 出版社 講談社 出版年 2021
	ISBN 9784065307892 書名 応用基礎としてのデータサイエンス　AI×データ活用の実践 巻次 著者名 北川源四郎／編集 竹村彰通／編集 赤穂昭太郎／著 今泉允聡／著 内田誠一／著 清智也／著 ほか 出版社 講談社 出版年 2023
	ISBN 9784798158341 書名 Pythonによるあたらしいデータ分析の教科書 巻次 著者名 寺田学／著 辻真吾／著 鈴木たかのり／著 福島真太朗／著 出版社 翔泳社 出版年 2018
	ISBN 9784065206126 書名 機械学習スタートアップシリーズ　ゼロからつくるPython機械学習プログラミング入門 巻次 著者名 八谷大岳／著 出版社 講談社 出版年 2020
	ISBN 9784873117584 書名 ゼロから作るDeep Learning 巻次 著者名 斎藤康毅／著 出版社 オライリー・ジャパン 出版年 2016
参考文献（その他）・授業資料等	自作テキストをMoodle上へアップロード
成績評価の方法およびその基準	演習課題(40%) 中間・期末レポート(60%)
履修上の注意	必ず自身のPCを持参すること。
オフィスアワー	後日お知らせします。
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	課題解決のための実践的な能力を育成するため、「データサイエンス基礎」（本授業・前期開講）「AI基礎」（後期開講）という2つの授業を通じて、数理・データサイエンス・AIの活用・応用の基礎について学ぶ。数式が苦手、あるいはプログラミングの経験がない・苦手という学生に対しても配慮し、面接授業で進捗や理解度を確認しながら授業を実施する。これらの授業では、自身のPCにより実例を試してもらい、視覚的に感じ・理解してもらいながら授業を進める。最終的には、一例として「手書き文字」の分類・判別について取り扱うため、例えば古文書を解釈する、あるいは文字以外のアナログデータを自動判別するといったことにも応用できる基礎的事項を学ぶ。 (1)授業の受講方法 Moodle上で「データサイエンス基礎」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 自身のPCの用意する。 (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にメールしてください。 takashi.furuya@riko.shimane-u.ac.jp

---

授業追加情報

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	復習100分‧宿題40分‧予習60分
授業の実施方法 ／Types of classes	面接授業（面接のみ）／In-person class (In-person only)

担当教員一覧

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