科目ナンバー

GM-OI1-GE01

履修条件・関連科目等

無し

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

計算機、ネットワーク、測定機器、センサー等の著しい発展により、現在、多量の「ビッグデータ」が生成されている。経済活動も多くがインターネット上で行われるようになり、多量のデータが機械可読な状況になっている。それらのデータを処理し、有用な知識を得るための方法がデータサイエンスと呼ばれる。データサイエンスは、統計学と計算機分野に属する機械学習やAI（人工知能）等が融合されたものであり、社会を変革しうる重要な技術である。本講義では、統計学と情報処理の知識を前提としないで、いくつかの代表的なデータサイエンスの手法を解説する。実際のデータ解析のため、統計解析ソフトウェアRを用いる。また、ビジネスで利用されている実例も紹介する。

科目目的

データサイエンスとはなにかを理解する。また、いくつかの基本的なデータサイエンス手法を自分で利用できるようにする。

到達目標

学生は代表的なデータサイエンスの手法の概要を理解する。そして実際のデータを得たときにそれらをどのように実行するかをデータ解析ソフトウェアRの与えられたプログラムにより試すことができる。

授業計画と内容

1. データサイエンスのためのハードウェア
2. データサイエンスのためのソフトウェア (1)
3. データサイエンスのためのソフトウェア (2)
4. データ可視化 (1)
5. データ可視化 (2)
6. データ可視化 (3)
7. クラスタリング (1)
8. クラスタリング (2)
9. 連関ルール
10. 推薦システム
11. 決定木
12. ビジネスでのデータサイエンス
13. 深層学習
14. 総括・まとめ

授業時間外の学修の内容

その他

授業時間外の学修の内容（その他の内容等）

配付したスライドや指定したテキストや事後に復習すること。

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

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

授業時間内で講評・解説の時間を設ける

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

実施しない

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

クリッカー／その他

授業におけるICTの活用方法（その他の内容等）

講義内容に関するRプログラムを配布し、個⼈のPCで実⾏して内容を確認する。

実務経験のある教員による授業

はい

【実務経験有の場合】実務経験の内容

担当教員は種々のデータの解析およびコンサルタントの経験がある。

【実務経験有の場合】実務経験に関連する授業内容

担当教員の経験より、データを実際に利⽤・解析・解釈する上で重要な観点を教える。

テキスト・参考文献等

テキスト : Roger Peng , Exploratory Data Analysis with R (https://leanpub.com/exdata),
Nina Zumel and John Mount, Practical Data Science with R, Mannig

教科書の⼊⼿法は最初の講義で説明する。

その他特記事項

参考URL

-