1. トップ
  2. 学校紹介
  3. 情報公開
  4. 学科情報
  5. シラバス - 科目一覧

シラバス

AIシステム科 2024年度入学生

科目名 データサイエンスⅠ 作成日 2024/03/12
区分 自由選択 講義
開催時期 1年次 後期
講義・演習駒数/週 1駒
実習・実験駒数/週 0駒
合計駒数/週 1駒
総時間数 30時間
総単位数 2単位
企業連携
授業の目的 データサイエンスの目的を踏まえた上で、統計学的手法によるデータ分析、各種グラフを用いたデータの可視化、分析レポートの作成技法の習得を目的とする。
到達目標 統計学的手法によるデータ分の実施、報告が出来ることを目標とする。

評価項目 ①定期テスト ②小テスト ③レポート ④課題 ⑤作品 ⑥ポートフォリオ ⑦成果発表 ⑧その他
割合 50%  %  % 50%  %  %  %  %
評価基準
①統計学的手法によるデータ分析が実施出来ること。 ②分析レポートを作成出来ること。
※上記に示した評価項目の割合(%)を基準に、総合評価点を算出して成績評価を行う。
※出席率が80%未満の場合は、評価対象としない。

担当教員 福田 竜郎
テキスト・参考文献 オリジナルテキスト
実務経験有無  
研究員として、大規模データの分析および統計学的手法に基づいた理論物理学の研究に従事した実務経験がある。その経験から取得した知識とスキルを活かして、本科目に対する職業実践的な教育を行う。 
関連科目 データサイエンスⅡ、統計学Ⅱ、データマイニング、卒業研究  履修前提 統計学Ⅰ、データベースⅠ 

授業計画

回数 学習目標 学習項目
1 データサイエンスについて説明出来る。データ分析のプロセスについて説明出来る。  データサイエンスの目的を踏まえたうえで、データ分析のプロセスについて学習する。 
【理解度確認】確認問題
2 記述統計学によるデータ分析が出来る。  データ分析 (1) : 記述統計学によるデータ分析の方法について学習する。データの理解、データの準備を中心に学習する。 
【理解度確認】提出課題
3 記述統計学によるデータ分析が出来る。  データ分析 (2) : 記述統計学によるデータ分析の方法について学習する。データの理解、データの準備を中心に学習する。 
【理解度確認】提出課題
4 記述統計学によるデータ分析が出来る。  データ分析 (3) : 記述統計学によるデータ分析の方法について学習する。データの理解、データの準備を中心に学習する。 
【理解度確認】提出課題
5 記述統計学によるデータ分析が出来る。  データ分析 (4) : 記述統計学によるデータ分析の方法について学習する。データの理解、データの準備を中心に学習する。 
【理解度確認】提出課題
6 記述統計学によるデータ分析が出来る。  データ分析 (5) : 記述統計学によるデータ分析の方法について学習する。データの理解、データの準備を中心に学習する。 
【理解度確認】提出課題
7 記述統計学によるデータ分析が出来る。  データ分析 (6) : 記述統計学によるデータ分析の方法について学習する。データの理解、データの準備を中心に学習する。 
【理解度確認】提出課題
8 記述統計学によるデータ分析が出来る。  データ分析 (7) : 記述統計学によるデータ分析の方法について学習する。データの理解、データの準備を中心に学習する。 
【理解度確認】提出課題
9 適切なサンプリングが出来る。  サンプリング (1) : サンプリングの目的とその手法について学習する。代表的なサンプリング方法について学習する。 
【理解度確認】提出課題
10 適切なサンプリングが出来る。  サンプリング (2) : 代表的なサンプリング方法およびそれらの使い分けについて学習する。 
【理解度確認】提出課題
11 これまでに学習した内容を踏まえデータ分析が実施出来る。  総合演習 (1) : これまでに学習した内容を踏まえデータ分析に取り組む。 
【理解度確認】総合演習
12 これまでに学習した内容を踏まえデータ分析が実施出来る。  総合演習 (2) : これまでに学習した内容を踏まえデータ分析に取り組む。 
【理解度確認】総合演習
13 これまでに学習した内容を踏まえデータ分析が実施出来る。  総合演習 (3) : これまでに学習した内容を踏まえデータ分析に取り組む。 
【理解度確認】総合演習
14 これまでに学習した内容を踏まえデータ分析が実施出来る。  総合演習 (4) : これまでに学習した内容を踏まえデータ分析に取り組む。 
【理解度確認】総合演習
15 総合テストによって理解を確実なものにする。  これまでの学習内容の総合テストを実施する。 
【理解度確認】総合テスト