科目ナンバー

GM-OI1-GE01

履修条件・関連科目等

自分のノートパソコンを教室に持ち込む必要がある。プログラミングに必要なRStudio等のソフトウエアをインストールする必要がある。

授業で使用する言語

英語

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。

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

第１回：データサイエンスとは？
第2回：コンピュータの基本と情報の仕組み：ハードウェアとソフトウェア
第3回：コンピュータが扱う言語と情報
第4回：データ通信の仕組み：LANとWAN
第5回：RとRstudio（ソフトウェア）のインストール
第6回：Rで扱うデータ
第7回：Rプログラミングで扱う関数
第8回：Rを用いたアルゴリズムの基本: ソートと 探索
第9回：Rプログラミンングによる集計とデータの可視化
第10回：連関ルールと推薦システム
第11回：機械学習：教師あり学習（関係性と精度の検証）
第12回：機械学習：教師なし学習（分類）
第13回：データサイエンスの未来
第14回：まとめ

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

テキストや参考資料については講義で説明する。
教科書の⼊⼿法は最初の講義で説明する。


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


参考図書：
・金城俊哉　R統計解析パーフェクトマスター「第2版」 秀和出版
・Davies, M.T. (2016) The Book of R: First Course in Programming and Statistics, No Starch Press

その他特記事項

-

参考URL

-