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

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

はい

【実務経験有の場合】実務経験の内容

（井田）アクセンチュア株式会社にてデータサイエンス業務およびデータサイエンス教育業務に従事。

【実務経験有の場合】実務経験に関連する授業内容

（井田）業務および教育業務で培った経験や技術に基づいて、データサイエンス分野で活用しうる実践力を養う授業を行う。

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