中央大学

シラバスデータベース|2025年度版

テキストサイズ

  • 小
  • 中
  • 大
  • フリーワード検索
  • 条件指定検索
  • シラバスデータベース(学部・大学院)
  • ビジネススクール(MBA)
  • ビジネススクール(DBA)
  • 研究者情報データベース

ホーム > 講義詳細:AI・データサイエンスツールⅣ

シラバス

授業科目名 年度 学期 開講曜日・時限 学部・研究科など 担当教員 教員カナ氏名 配当年次 単位数
AI・データサイエンスツールⅣ 2025 後期 他 学部間共通科目 酒折 文武 サカオリ フミタケ 1年次配当 2

科目ナンバー

UW-AI2-A06M

履修条件・関連科目等

履修者数の上限は100名程度です。

授業で使用する言語

日本語

授業で使用する言語(その他の言語)

授業の概要

AI・データサイエンス全学プログラムの応用基礎レベルに位置づけられ、スキルを身につけるツール科目の中でも、今後の応用力につながるツール科目である。汎用的プログラミング言語 Python とデータベース言語 SQL を用いて、ビッグデータを処理・加工したり、基本的なデータ分析を行うことができる基本的なスキルを学んでいく。

前半は Python 言語の基礎を学ぶ。人工知能(AI)開発やデータサイエンスにおけるプログラミング言語としてもっとも広く活用されているのが Python である。Python はウェブシステムやアプリ開発にも用いられている汎用的なプログラミング言語で、可読性にすぐれ、機械学習や深層学習を行う環境も整っているため、多くのデータサイエンティストに活用されている。この科目の前半ではプログラミングにあまり馴染みのない学生を対象として、Python 言語の基礎と、Python を用いて基本的なデータ分析などを行う方法について学ぶ。

後半はデータベース言語である SQL を扱う。大規模なデータを収集し、使いやすい形で整理したものをデータベースという。SQLはデータベースを操作するための言語のひとつであり、「クエリ」と呼ばれる命令に基づいて大規模なデータを効率的に操作して、条件に見合うデータを検索・抽出したり、データの編集を行うことができる。SQLにも様々な種類があるが、この科目では SQLite という軽量なシステムを用い、データベースの作成、管理、そして活用を学ぶ。Python との連携についても学ぶ。

授業は実習を含むオンデマンド型である。実習部分については、動画あるいは静的なウェブページ の内容を参考にして、自身の PC で同じことを実行しながら進め、適宜演習問題にチャレンジしながら理解を深める。わからないところは manaba のスレッドなどを活用して講師やTAによるサポ ートが受けられるようにする。

科目目的

AI・データサイエンスにおいて、データ分析・機械学習や可視化をウェブアプリと連動させたり、音声認識・画像認識などのタスクを行ったり、さらには深層学習や強化学習を含む人工知能を開発したりするためには、汎用的なプログラミング言語が不可欠である。また、格納されているデータベースの操作を行うにはデータベース言語が必要となる。本科目の目的は、汎用的プログラミング言語の中でデータサイエンスにおける中心的な役割を演じているPythonと、データベース言語SQLの基礎を理解することである。

到達目標

本科目の到達目標は、Pythonを用いて数十行程度のプログラムを読んで理解・修正できること、そして簡単なプログラムを自分で作成できること、および、SQLiteを用いてデータベースからのデータ抽出や基本的な処理を行えることである。

授業計画と内容

【動画配信型オンライン授業】(オンデマンド)

■ 前半:Python
第1回 データサイエンスとPython
 データサイエンス界隈の関連技術の紹介
 Pythonとは、Pythonでできること
 Google アカウントの作成とColaboratory のセットアップ
 ノートブックの使い方
 他のPython実行環境

第2回 プログラミング入門
 演算、変数、文字列、リストとタプル、オブジェクトと変数

第3回 関数の基礎
 関数とは、モジュール、関数の定義、メソッド

第4回 分岐とループ
 if文による条件分岐
 for文による繰り返し
 while 文による繰り返し

第5回 NumPyによるベクトル・行列演算
 NumPy とは
 配列と要素型
 配列要素の操作と演算
 乱数の生成
 画像の処理

第6回 Matplotlibによるグラフ作成
 可視化の準備、基本的なグラフの作成、オプションの指定、
 Matplotlib 2つの流儀

第7回 pandasによるデータ分析の基礎
 pandas とは
 SeriesとDataFrame
 データの読み込みと保存
 データの操作
 要約統計量の算出
 データの結合

■ 後半:SQL
第8回 データサイエンスとデータベース
 SQLとは
 リレーショナル・データベース(RDB)とは
 SQLite のダウンロードと設定
 DB Browser for SQLite のダウンロードと設定
 SQLite でできること・他の SQL との差異

第9回 データベースの作成と接続、テーブル操作
 既存のデータベースとの接続
 テーブルの作成・変更・削除
 データの追加・変更・削除
 トランザクション制御/コマンドラインツールによる実行

第10回 データの抽出
 データの抽出
 条件によるデータの抽出
 ソート

第11回 テーブルの結合
 複数のテーブルの結合
 SELECT 文の入れ子
 CROSS JOIN

第12回 データベースからのデータ抽出と集計
 データ抽出と集計
 集約関数と分析関数
 CASE 文とクロス集計

第13回 SQLite 関数の活用
 主な SQLite 関数
 数値の処理
 日付・時刻の処理
 文字列の処理
 型変換

第14回 PythonとSQLiteとの連携
 sqlite3 モジュールを使った Python と SQLite の連携

100分の授業相当の動画や解説を行う。

授業時間外の学修の内容

授業終了後の課題提出

授業時間外の学修の内容(その他の内容等)

授業時間外の学修に必要な時間数/週

・毎週1回の授業が半期(前期または後期)または通年で完結するもの。1週間あたり4時間の学修を基本とします。
・毎週2回の授業が半期(前期または後期)で完結するもの。1週間あたり8時間の学修を基本とします。

成績評価の方法・基準

種別 割合(%) 評価基準
レポート 80 ● 前半(Python)レポート:40%
与えられたデータを読み込んで適切な分析と可視化を行い、結果を読み取ることができるかを問う。
● 後半(SQL)レポート:40%
SQLite データベースから条件に見合うデータ抽出を行い、集計と可視化、結果の考察までを適切に行うことができるかを問う。
その他 20 確認問題:20%
自動採点型の問題であり、基礎的な理解を問う。

成績評価の方法・基準(備考)

課題や試験のフィードバック方法

授業時間に限らず、manabaでフィードバックを行う

課題や試験のフィードバック方法(その他の内容等)

アクティブ・ラーニングの実施内容

実習、フィールドワーク

アクティブ・ラーニングの実施内容(その他の内容等)

授業におけるICTの活用方法

その他

授業におけるICTの活用方法(その他の内容等)

各自の PC で Python および SQL の実習を行う。

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

テキストは指定しない。毎回資料を配布する。

その他特記事項

参考URL

検索結果に戻る

  • フリーワード検索
  • 条件指定検索

TOP

  • プライバシーポリシー
  • サイトポリシー
  • 中央大学公式サイト
Copyright (c) Chuo University All Rights Reserved.