科目ナンバー

SG-AI6-HN01

履修条件・関連科目等

特に条件は設けません。それぞれの分野で固有のテーマで研究しており、データ解析を施すことにより得られたデータに説得力を持たせようとしている学生さんたち、あるいはデータサイエンスに関わるテーマに関心があり、時間をかけて理解を深めようとしている学生さんたちを歓迎します。

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

技術の革新と共に、これを支えるデータの生成と分析の方法も急速に進化しています。データがしっかりした情報を持っていれば、これに多くの手を加えないでも決定的な証拠となることもあります。あるいは膨大なデータから関連する情報を抽出して整理することにより、説得力のある結果を得ることもあります。また決定的な結論を得ることを夢見てビッグデータを生成すると、予見していなかった食い違いを目の当たりにすることもあります。データの特性や求められる情報の特性はしばしば分野により異なります。データ科学を実践するとき、しばしば異分野の人々の間の緊密な共同作業が不可欠になります。この授業では、各回割り当てられた担当者は自身の研究や関心あるテーマでデータサイエンスに関わる側面を、問題設定、データの生成、分析の仕方、得られた結果というスタイルで丁寧にプレゼンします。受講者は自由に質問し、コメントし、suggestします。manabaにアップロードされた資料を見ながら、1週間かけて、プレゼンの要約・議論・展望を2-300字程度で自由にまとめます。こうして次第に、相手が容易に理解するプレゼンの仕方、異分野の研究、未知のテーマを吸収する力をつけ、分析能力に磨きをかけていきます。

科目目的

データ科学の実践ではしばしば異分野の環境や情報の蓄積を踏まえて課題に当たることが、ポイントを抑えた結果を得る上で重要になります。この授業ではデータ解析の方法に明るく、豊富な実践経験を持つことを前提にしませんが、データ解析が関係する何らかの研究課題を持っているか、データ解析のセンスを身につけることに強い関心を持っていることは前提にします。異分野に向けての情報発信と異分野からの情報吸収の能力を向上させ、データ科学の実践に関わる守備範囲を広げることを目的とします。

到達目標

異分野の方々に向けてわかりやすく自身の仕事を情報発信し、異分野の専門知識やデータの特徴やデータ解析の手法をどん欲に吸収する力をつけること。

授業計画と内容

受講者の関心、研究内容は年度ごとに異なるので、各回のテーマは変わります。一例として2023年度のものを下に挙げますが、各回、受講者と教員が関心あるテーマについてプレゼンし、ディスカスします。

（2023年度の例）
第１回 ガイダンス、演習の進め方の説明
第２回 教員と受講者の自己紹介（スライド数枚、数分程度）
第３回 分子進化と形質進化
第４回 Group Lasso
第５回 操作変数法
第６回 エッシャータイリング
第７回 微細藻類由来のバイオ燃料生成における最適化問題
第８回 一般化加法モデルとカーネル回帰、MR抄録
第９回 臨床予測モデルとスパース性
第10回 リポタンパク (a)と癌死亡率、ハザード比
第11回 局所最適解のクラスタリングによる多様な準最適解の生成と解釈
第12回 強アルカリ下での微細藻類の培養：バイオ燃料生産の新地平
第13回 統計的モデリングの実践
第14回 総括と自由討論

授業時間外の学修の内容

授業終了後の課題提出／その他

授業時間外の学修の内容（その他の内容等）

授業時間以外の学習活動は、自身の研究活動のプレゼンの準備と、各回の担当者によるプレゼンを理解して課題を提出する作業です。manabaにアップロードされた資料を参照しつつ、的を射ていないかもしれないことを恐れずに担当者に質問を投げかけ、理解を深めていきます。担当者は質問へ丁寧に回答することが求められますが、この作業を通して自身の理解を深化させます。研究の方向に示唆を得ることもあります。

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）

授業への出席状況、担当論文の発表内容、実データ解析結果及び口頭発表スキルを総合的に勘案して評価します。

課題や試験のフィードバック方法

その他

課題や試験のフィードバック方法（その他の内容等）

manabaに提出された課題は、教員のものと共に受講者全員で共有します。これを振り返り眺めることで、回が進むにつれ、データサイエンスのセンスが磨かれていくことを期待しています。

アクティブ・ラーニングの実施内容

ディスカッション、ディベート／プレゼンテーション／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）

各受講者は、自身の研究や関心のあるテーマを紹介するために資料を準備し、プレゼンをする機会が与えられます。授業中に投げかけられる質問やコメントと授業後にmanabaに提出された課題を見て、分析方法の理解を深め、分析能力を高めます。同時に、各受講者は他の受講者のプレゼンを聞き、質問し、資料を振り返りながら内容を咀嚼して課題を提出することにより、異分野の情報の吸収能力とデータ科学の実践力を高めます。

授業におけるICTの活用方法

実施しない

授業におけるICTの活用方法（その他の内容等）

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

各回、担当者によるプレゼンのスライド、参考論文をmanabaにアップロードします。

その他特記事項

参考URL

https://researchmap.jp/hiro_kishino