科目ナンバー

GM-OI1-GE01

履修条件・関連科目等

No prerequisites are required. Students are expected to bring a laptop computer to class for Python programming and data analysis.

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

Due to the remarkable development of computers, networks, measuring instruments, sensors, etc., a huge amount of big data is generated in the modern society. Many economic activities are now performed on the Internet, and such data is machine readable. Methods for processing these data and obtaining useful knowledge is called data science. Data science is a fusion of statistics and informatics including machine learning and AI (artificial intelligence), and is an important technique that can change the society. In this lecture, we explain typical data science methods without preliminary knowledge of statistics and informatics. For actual data analysis, Python is used on Google Colab.

科目目的

Students will understand the key concepts of data science and be able to use basic data science techniques independently.

到達目標

Students will gain an overview of typical data science techniques and will execute them using the provided Python code on actual data.

授業計画と内容

講義内容は状況により変更する可能性がある。
The following schedule is subject to change.

Class 1: What is Data Science?
Class 2: Basics of Computers: Hardware and Software for Data Analysis
Class 3: Introduction to Python Programming (Google Colab, Python basics)
Class 4: Introduction to Python Programming (NumPy, pandas)
Class 5: Introduction to Python Programming (Matplotlib)
Class 6: Data Cleaning, Data Exploration & Visualization
Class 7: Midterm
Class 8: Supervised Learning (1): Linear Regression for Prediction
Class 9: Supervised Learning (2): Classification for Decision Making
Class 10: Supervised Learning (3): Decision Tree for Interpretation
Class 11: Unsupervised Learning (1): Clustering
Class 12: Unsupervised Learning (2): Association Rules & Recommendation
Class 13: Model Evaluation & Ethics in Data Science
Class 14: Final Review

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）

配付したスライドや指定したテキストや事後に復習すること。

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）

Python code will be provided in class, and students will execute it on their own computers to understand the content.

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

References
・Ani Adhikari, John DeNero, and David Wagner (2022). Computational and Inferential Thinking: The Foundations of Data Science. https://inferentialthinking.com/
・赤石 雅典 (2020). Pythonで儲かるAIをつくる. 日経BP. (in Japanese)

Note: Additional information will be provided in class.

その他特記事項

Office hours will be announced in class.

参考URL

-