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：ガイダンス
第2回：データサイエンスとは？
第3回：コンピュータの基本と情報の仕組み：ハードウェア
第4回：コンピュータの基本と情報の仕組み：ソフトウェア
第5回：コンピュータが扱う言語と情報
第6回：データ通信の仕組み
第7回：中間発表
第8回：Rを用いたアルゴリズムの基本: データ形式と関数
第9回：Rを用いたアルゴリズムの基本: ソートと 探索
第10回：Rプログラミンング
第11回：連関ルールと推薦システム
第12回：機械学習について
第13回：プログラム発表
第14回：ポスター発表

*コース内容は状況に応じて変更する可能性がある。

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

ディスカッション、ディベート／プレゼンテーション

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）

統計ソフト

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

研究者として講義内容を職務としている他、共同研究として企業調査案件にも、本講義でカバーしている研究計画や解析、報告法を監修・応用している。

【実務経験有の場合】実務経験に関連する授業内容

講師が実際に学術研究や企業案件に関わり経験してきた実践的内容を、講義に反映する。

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。

その他特記事項

-

参考URL

-