科目ナンバー

SE-BI2-9C08

履修条件・関連科目等

特に条件は設けません。ヒトと生物に興味があり、それを定量的に分析するための方法を獲得したいと思っている方を歓迎します。

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

現代の生物学では様々な生物集団の量的研究が重要な役割を果たしています。この授業では、強力な統計手法が整備されている統計言語Rを用いて、生のデータを適切に料理するための基礎を学びます。データの要約と表現、多変量データの縮約と構造の探索からランダムサンプリングと定量分析、統計的モデリングという流れで、サクッと統計手法を紹介していきます。ITセンター演習室でmanabaに上げた生きたデータを分析しながら、体験的に実証分析の感覚を磨きます。

科目目的

確かなエビデンスを得るためのデータ解析の方法を実践的に身に着けること。

到達目標

データを扱うことが好きになり、分析の目的と結果をうまく説明できるようになること。

授業計画と内容

データサイエンスの全貌を凝縮してご紹介します。講義資料をmanabaにアップロードします。この資料に即して授業を行いつつも、分析の実際が伝わるようにアドリブで進めていきます。一つ一つを暗記する必要は全くありませんので、授業中は分析の面白さを肌で感じ取ってください。授業が終わってからゆっくりと、データ分析を実体験する演習問題を解きながら、少しずつ統計手法をものにして行ってください。

第１回 統計言語R入門１：Rを起動させて雰囲気をつかむ、データの型など
第２回 統計言語R入門２：ファイルの読み込みと保存、要約統計量と表現
第３回 クラスター分析と数量化III類
第４回 主成分分析
第５回 確率と確率分布、ランダムサンプリング
第６回 推定と検定
第７回 分散分析
第８回 回帰分析：単回帰と重回帰
第９回 一般化線形モデル（１）：変数変換とポアソン回帰
第10回 ケース・コントロールスタディとカイ2乗検定
第11回 一般化線形モデル（２）：ロジスティック回帰と一般化線形混合モデル
第12回 予測とモデル選択
第13回 最尤法と統計的モデリング
第14回 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）

毎回演習問題をmanabaに上げます。演習問題はきちっと採点しますが、テストが目的ではなく、みなさんにデータ解析の方法を確実に身につけていただくことが目的です。１週間かけて資料などを見ながらじっくり解いてください。気になりましたら何度でもやり直せます。

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）

平常点（各回の演習問題, １週間後提出）60%、最終レポート40%。
演習問題では、実際にパソコンでデータを分析していただきます。暗記ではなく、どのような資料を参照していただいても構いません。方法を正しく理解し、使いこなせるようになっているか、確認します。提出締切後、問題の解答と解説をmanabaにアップロードします。
最終レポートでは、自由にテーマを設定し、これに答えるデータを集めて自由に分析していただきます。授業で少しずつ積み重ねてきたデータ分析の経験とセンスを生かして、面白いテーマに対して面白い結果を出し、説得力を持って説明していただけることを期待しています。

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）

提出締切後、問題の解答と解説をwebにアップロードします。

アクティブ・ラーニングの実施内容

その他

アクティブ・ラーニングの実施内容（その他の内容等）

生のデータを分析しながら肌でスキルを身に着けるスタイルの授業。

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）

授業がオンラインで、コンピュータによるデータ解析ですので、授業全体がICTにより成り立っていると言えます。

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

研究に教育に、データ解析は私の生活の要になっています。

【実務経験有の場合】実務経験に関連する授業内容

授業で取り上げる素材は自身の研究・教育に根差したものになっています。

テキスト・参考文献等

１冊の本ですべてを尽くすことはできませんので、特に参考文献は指定しません。各回資料を配布しますので、より深く勉強したい学生さんは、インターネットや書店で関連の内容を自習してください。

その他特記事項

データを分析し、背後にある構造をあぶり出すことの面白さを、是非肌で吸収していただきたいと願っています。

参考URL

https://researchmap.jp/hiro_kishino