シラバス参照/View Syllabus |
科目一覧へ戻る/Return to the Course List | 2024/08/29 現在/As of 2024/08/29 |
開講科目名 /Course |
特殊講義a(データサイエンス入門a)/SPECIAL LECTURE A (INTRODUCTION TO DATA SCIENCE A) |
---|---|
開講所属 /Course Offered by |
経済学部/ECONOMICS |
ターム?学期 /Term?Semester |
2024年度/2024 Academic Year 春学期/SPRING SEMESTER |
曜限 /Day, Period |
水3/Wed 3 |
開講区分 /semester offered |
春学期/Spring |
単位数 /Credits |
2.0 |
学年 /Year |
1,2,3,4 |
主担当教員 /Main Instructor |
横塚 志行 |
遠隔授業科目 /Online Course |
- |
教員名 /Instructor |
教員所属名 /Affiliation |
---|---|
横塚 志行 | 経営学科/MANAGEMENT |
授業の目的?内容 /Course Objectives |
データサイエンスは、データを分析し問題を解決するアプローチである。近年、企業において経営上の重要な判断を行う際、経験や勘ではなく、具体的なエビデンスに基づいて決定することの重要性が増している。また、その判断の材料となる大量のデータが比較的容易に入手可能な環境が整っている。 本講義では、データを具体的に扱い分析するための基礎を学ぶ。春学期の「データサイエンス入門a」では、まず、データサイエンスの歴史を振り返り、倫理的な問題やプライバシーの問題を学習する。次に、データベースからデータを抽出するSQLの技術を演習を通じて習得する。さらに、1年次に学んだ数学を含む記述統計学の重要な部分の復習と幅だしを行う。 秋学期の「データサイエンス入門b」では、データ分析のいて必要不可欠な区間推定や仮説検定など推測統計学の学習を進める。 なお、「データサイエンス入門ab」は単なる講義に留まらず、すでに親しんでいるExcelを用いた実践的な演習を行い理解を深める。 前述の通り、現在データサイエンスは企業にとって非常に重要であり、本講義を受講しデータサイエンスの基礎を習得することで、社会に出ても自信をもってデータサイエンスプロジェクトに取り組めると考えられる。 また、本講義は経営学科の学位授与方針(DP)に則り、コンピュータによる情報処理の原理や情報を扱う人間社会に必要な情報技術の発展に努める。カリキュラム?ポリシー(CP)を踏まえ、情報系の専門科目として、専門的な知識を提供し、将来の実務経験にも役立つ内容を心掛けている。 |
||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|
授業の形式?方法と履修上の注意 /Teaching method and Attention the course |
初回講義において、学習する内容、講義の進め方、成績の評価方法を説明する。 対面授業を原則とし、以下の前提を想定している。 ?PCを操作しながら授業を進めることがあるので、自分が所有するPCを持参しPCの操作(エクセル)ができることこと。 ?本講義は基礎的な数学的表現を利用するが必要に応じて十分な説明を行う。 ?本講義は特殊講義(データサイエンス入門ab)のセットの学習を想定しており、データサイエンスに関する知識とデータ分析手法の基礎を習得できる。したがって、是非データサイエンス入門abを併せて受講してほしい。 ?データベースからデータを抽出するためのプログラムであるSQL言語の演習を行い課題提示も指示する。 ?期中に確認テスト(評価未反映)を実施し解説も行う。 ?各学期の最終授業で総復習の位置づけでテストを実施する。 ?本講義は、全学年を対象としている。 |
||||||||||
事前?事後学修の内容 /Before After Study |
事前事後の学習時間は合計4時間である。 講義参加者は、事前学習として事前提示予定のレジュメを事前に読んでおいてほしい(2時間)。 事後学習は、授業ノートなどを目を通し内容を理解を促進してほしい(1時間)。 上記以外にも、データサイエンスに関する記事等を日常的に入手しておき当該分野の動きを把握してほしい(1時間)。 |
||||||||||
テキスト1 /Textbooks1 |
|
||||||||||
テキスト2 /Textbooks2 |
|
||||||||||
テキスト3 /Textbooks3 |
|
||||||||||
参考文献等1 /References1 |
|
||||||||||
参考文献等2 /References2 |
|
||||||||||
参考文献等3 /References3 |
|
||||||||||
評価方法 /Evaluation |
春学期の授業最終日にテストを実施する。 なお、評価比率は、課題提示(30-40%程度)とテスト(60-70%程度)と想定している。 |
||||||||||
関連科目 /Related Subjects |
特殊講義a(AI入門) 特殊講義b(AI入門) 特殊講義b(データサイエンス入門b) |
||||||||||
備考 /Notes |
|||||||||||
到達目標 /Learning Goal |
経済?経営?環境分野の現場で活躍する人々の講演を通じて、それらの現場の実態および今後の展望等について理解?分析し、見解を提示できるようにする。 |
回 /Time |
授業計画(主題の設定) /Class schedule |
授業の内容 /Contents of class |
事前?事後学修の内容 /Before After Study |
---|---|---|---|
1 | 講義の進め方 | 講義の進め方を説明する | |
2 | データサイエンスの役割 |
データサイエンスの現状とその役割を学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
3 | データサイエンスの歴史 | データサイエンスの過去を振り返る | 事前:レジュメの一読 事後:講義ノートの確認 |
4 | 情報倫理 |
データサイエンスに関わる倫理面、プライバシーの問題、歴史について学ぶ |
事前:レジュメの一読 事後:講義ノートの確認 |
5 | 度数分布表、ヒストグラム、平均 |
度数分布表、ヒストグラム、平均を学ぶ |
事前:レジュメの一読 事後:講義ノートの確認 |
6 | 分散、標準偏差、標準化 |
分散、標準偏差、標準化を学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
7 | 散布図、回帰式 | 散布図、回帰式を学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
8 | 確率変数 | 確率変数について学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
9 | 様々な分布1 |
ベルヌイ分布、二項分布等について学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
10 | 様々な分布2 |
正規分布、幾何分布等について学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
11 | SQL1 | SQLの演習を行う |
事前:SQLの予習 事後:SQLの復習 |
12 | SQL2 |
SQLの演習を行う | 事前:SQLの課題作成 事後:SQLの課題提出 |
13 | 春学期総復習 | 春学期の総復習を行い理解を含める | 事前:レジュメの一読 事後:講義ノートの確認 |
14 | テスト | テストを実施する |