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b(データサイエンス入門b)/SPECIAL LECTURE B (INTRODUCTION TO DATA SCIENCE B) |
---|---|
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 秋学期/FALL SEMESTER |
曜限 /Day, Period |
水3/Wed 3 |
開講区分 /semester offered |
秋学期/Fall |
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データ分析の基礎を学ぶ。 春学期の「データサイエンス入門a」では、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、記述統計学の基礎、データベースからデータを抽出するSQLの技術を学んだ。 秋学期の「データサイエンス入門b」では、データ分析を進める際に極めて重要となる区間推定や仮説検定など推測統計学の学習を進める。この際、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取り入れる。 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。 ?データ分析において最も重要な区間推定もしくは仮説検定についての課題提示を行う。 ?最後の授業の前に確認テスト(評価未反映)を実施、解説も行う。 ?最後の授業で総復習の位置づけでテストを実施する。 ?全学年を対象としている。数学的な表現が出てくるが平易な説明を心がける。 |
||||||||||
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 |
最後の授業の前に確認テスト(評価未反映)を実施、解説も行う。 最後の授業で総復習の位置づけでテストを実施する。 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 |
AI入門ab データサイエンス入門a |
||||||||||
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 | 授業の進め方 | 授業の進め方を説明する | |
2 | 正規分布 | 最も基本的な分布である正規分布について学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
3 | 標本と母集団 |
標本と母集団という概念を学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
4 | 大数の法則と中心極限定理 |
区間推定、仮説検定に重要な基礎的定理の大数の法則と中心極限定理を学ぶ | 事前:レジュメの一読 事後:講義ノートの確認 |
5 | 推定量と標本平均の分布 |
推定量と標本平均の分布を学習する | 事前:レジュメの一読 事後:講義ノートの確認 |
6 | 点推定と区間推定 |
点推定と区間推定を学習する | 事前:レジュメの一読 事後:講義ノートの確認 |
7 | 区間推定(2標本) |
区間推定(2標本)を学習する | 事前:レジュメの一読 事後:講義ノートの確認 |
8 | 標本の大きさ | 区間推定に必要なサンプル数(標本数)について学習する | 事前:レジュメの一読 事後:講義ノートの確認 |
9 | カイ二乗分布と母分散の区間推定 | カイ二乗分布と母分散の区間推定を行う | 事前:レジュメの一読 事後:講義ノートの確認 |
10 | 仮説検定 | 仮説検定の学習を行う | 事前:レジュメの一読 事後:講義ノートの確認 |
11 | 仮説検定(1標本) |
仮説検定(1標本)の学習を行う | 事前:レジュメの一読 事後:講義ノートの確認 |
12 | 仮説検定(2標本、母分散、母比率) | 仮説検定(2標本、母分散、母比率)を学習する | 事前:レジュメの一読 事後:講義ノートの確認 |
13 | 総復習 | 総復習を行う | 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 |