科目名
(英語名) |
__科目名__
(__科目名(英語)__) |
| 担当教員 |
西村 まどか |
| 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 |
1457 |
| 単位 |
__単位__ |
| 授業概要 |
日経講座を踏まえ、データサイエンスによる解析と応用例を Orange Data Mining を使用しながら非線形手法によるデータ解析の流れを知る |
| 到達目標 |
データサイエンスに使われる技術や手法の代表例を知ることで分野ごとに使われるデータ解析例へ繋げることができる |
| スキルの育成方法 |
毎回の講義に関連したレポートをまとめることで批判的思考力, 論理的思考力, 情報収集力, 課題発見力, 問題解決力を育成する。 |
| 授業計画 |
| 回 | 授業内容 | 事前事後学修内容・所要時間 |
|---|
| 1 | 現代社会におけるデータサイエンス | [事後] 今回のテーマのまとめ(2時間) |
| 2 | データ分析の基礎 | [事後] 今回のテーマのまとめ(2時間) |
| 3 | データサイエンスの手法 | [事後] 今回のテーマのまとめ(2時間) |
| 4 | コンピュータを用いた分析 | [事後] 今回のテーマのまとめ(2時間) |
| 5 | データサイエンスの応用事例 | [事後] 今回のテーマのまとめ(2時間) |
| 6 | 統計的推測の基礎 | [事後] 今回のテーマのまとめ(2時間) |
| 7 | データサイエンスの応用に関連する理論 | [事後] 今回のテーマのまとめ(2時間) |
| 8 | | |
| 9 | | |
| 10 | | |
| 11 | | |
| 12 | | |
| 13 | | |
| 14 | | |
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 |
授業態度 2 割, レポート提出 4 割, 課題の出来栄え 4 割。 |
| 前提科目 |
数学, 統計学, 情報リテラシー, データリテラシー, 日経講座：デジタル社会論, (同時履修を強く推奨する4科目) 経営工学a, 経営工学b, 機械学習入門a, 機械学習入門b |
| 後継科目 |
(同時履修) データ分析入門a, データ分析入門b, |
| 教科書 |
データサイエンス教本（第2版）Pythonで学ぶ統計分析・パターン認識・時系列データ分析・深層学習, 牧野 他, オーム社, 978-4-274-23114-8, [https://www.ohmsha.co.jp/book/9784274231148/]. |
| 参考書 |
データサイエンスの歩き方, 滋賀大学データサイエンス学部, 長崎大学情報データ科学部, 学術図書出版社, ISBN978-4-7806-0936-3.\nPython による金融テキストマイニング, 和泉 他, 朝倉書店, ISBN978-4-254-27588-9.\nText データサイエンスの基礎, 多栗 他, オーム社, https://www.ohmsha.co.jp/book/9784274229145/, ISBN: 9784274229145. |
| その他・注意事項 |
講義はリモート対応を行う。毎回レポートの提出及び出席管理は電子的な手法で行う。操作方法は提供する URL にアクセスし設定を自分で行うこと。このため、初回に持参するものは、板書を取るノート, 筆記用具および学内からアクセスできる携帯電話, あらかじめ Anaconda をインストールした Windows PC または MacBook が必要である。また、手書きでレポートを提出する場合にはさらに USB メモリ等の環境整備が必要である。Orange Data Mining を初回にインストールする。
|