科目名
(英語名) |
__科目名__
(__科目名(英語)__) |
| 担当教員 |
ノヴァコフスキ カロル |
| 開講時期 |
__開講時期__ |
| 科目ナンバー |
__科目ナンバー__ |
| 授業コード |
1352 |
| 単位 |
__単位__ |
| 授業概要 |
2年次以降の講義や演習で必要とされるデータを扱うための基礎的な力を身につける。 |
| 到達目標 |
データサイエンス・AIが社会でどのように活用されているのかを理解する。\nデータを適切に読み解き理解する力をつける。\nデータを適切な可視化手法で他者に説明できるようになる。\n表計算ソフトを使ってデータを集計・加工できるようになる |
| スキルの育成方法 |
主に表計算ソフトを利用してデータを取り扱う。\n表計算ソフトの使い方に慣れ、データを様々な統計処理手法で取り扱うことで実践的に力を身につける。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 社会におけるデータ・AI 利活用 | 課題作成（1h） |
| 2 | 表計算ソフトの基本操作 | 課題作成（1h） |
| 3 | セルの参照と集計 | 課題作成（1h） |
| 4 | 度数分布表とヒストグラム | 課題作成（1h） |
| 5 | 代表値と散らばりの尺度 | 課題作成（1h） |
| 6 | データのグラフによる表現とデータ比較 | 課題作成（1h） |
| 7 | データの分布と標本抽出 | 課題作成（1h） |
| 8 | 推定 | 課題作成（1h） |
| 9 | 分割表とクロス集計 | 課題作成（1h） |
| 10 | 2変量データと相関 | 課題作成（1h） |
| 11 | 時系列データ | 課題作成（1h） |
| 12 | 仮説検定 | 課題作成（1h） |
| 13 | 回帰分析 | 課題作成（1h） |
| 14 | まとめ | 課題作成（1h） |
受講者の事前知識と進度により適宜変更する。
|
| 成績評価基準 |
平常課題(4割)，総合課題(4割)，タイピング(2割)の出来具合で評価する。評価の比重は担当者や受講者の到達度により適宜変更することがある。欠席4回以上で不可とする。 |
| 前提科目 |
情報リテラシー |
| 後継科目 |
基礎プログラミングI |
| 教科書 |
|
| 参考書 |
データサイエンスの基礎(講談社 ISBN-10:4065170001)\nデータサイエンス入門(学術図書 ISBN-10:4780607019) |
| その他・注意事項 |
大学の情報教室は講義中以外は自由に使用してよい。空いた時間に積極的に利用してできるだけ早く操作に慣れることが望ましい。
|