シラバス参照／View Syllabus
|
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 |
教養のためのデータサイエンス／INTRODUCTION TO DATA SCIENCE |
|---|---|
|
開講所属 ／Course Offered by |
国際教養学部言語文化学科／INTERNATIONAL LIBERAL ARTS INTERDISCIPLINARY STUDIES |
|
ターム?学期 ／Term?Semester |
2024年度／2024 Academic Year 春学期／SPRING SEMESTER |
|
曜限 ／Day, Period |
月2／Mon 2 |
|
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 |
和田 一郎 |
|
遠隔授業科目 ／Online Course |
－ |
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 和田 一郎 | 言語文化学科／INTERDISCIPLINARY STUDIES |
|
授業の目的?内容 ／Course Objectives |
本講義では、第4次産業革命と言われ大きく社会を変えているデータサイエンスについての基礎的理解を目標とする。AIやDXについて、その概念や活用例を学ぶとともに、データサイエンスがもたらす社会的価値や、データサイエンスの技術が普及した社会における課題など、多面的に学べる機会を提供したい。 | ||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
授業の形式?方法と履修上の注意 ／Teaching method and Attention the course |
1.お知らせ、資料配信、課題の提出等はmanabaを利用する。 2.本授業は基本的に対面で実施する。授業内容によってオンライン/オンデマンドで実施することもある。 3. 講義も双方向的で能動的な参加がもとめられる。 初回授業の概要については第１回目授業の2日前までにmanabaで提示するので、必ず確認すること。 |
||||||||||
|
事前?事後学修の内容 ／Before After Study |
目安：事前学修2時間、事後学修2時間（各回の詳細は「授業計画詳細情報」を確認すること） |
||||||||||
|
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 |
授業中の問題解答50％、学期最後の演習（またはテスト）50％により評価する。 | ||||||||||
|
関連科目 ／Related Subjects |
数理データサイエンス | ||||||||||
|
備考 ／Notes |
データサイエンス全般のリテラシー科目として、学生がデータサイエンスに関連する課題に対する認識を深めるとともに、基礎的な知識の習得を図る。 | ||||||||||
|
到達目標 ／Learning Goal |
第4次産業革命と言われる昨今、教養として身につけるべきデータサイエンスの知識や技術を学び、論理的かつ創造的思考が行える基礎学力をつける。 |
| 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 | はじめに／社会で起きている変化 | 授業内容全体の説明 ビッグデータ 第4次産業革命 シンギュラリティ |
|
| 2 | 社会で活用されているデータ | データの種類 データの所有者 構造化/非構造化データ |
問題の予習 提出した課題の確認?復習 |
| 3 | データとAIの活用領域 | 事業活動における活用 | 問題の予習 提出した課題の確認?復習 |
| 4 | データ?AI利活用のための技術 | 予測 グルーピングとクラスタリング データ可視化?人工知能 |
問題の予習 提出した課題の確認?復習 |
| 5 | データ?AI活用の現場 | 意思決定 自動化 組織的考慮点 |
問題の予習 提出した課題の確認?復習 |
| 6 | データ?AI利活用の最新動向 | ビジネスモデル 活用例 |
問題の予習 提出した課題の確認?復習 |
| 7 | データリテラシー①/データを読む | データの種類や性質 統計学 |
問題の予習 提出した課題の確認?復習 |
| 8 | データリテラシー②/データを説明する | 表現方法 可視化 インフォグラフィック |
問題の予習 提出した課題の確認?復習 |
| 9 | データリテラシー③/データを扱う | データ解析ツール 利用データ |
問題の予習 提出した課題の確認?復習 |
| 10 | データリテラシー④/留意事項 | ELSI?GDPR 倫理規範 セキュリティとプライバシー |
問題の予習 提出した課題の確認?復習 |
| 11 | データサイエンス社会の新たな課題 | データサイエンスの限界 |
問題の予習 提出した課題の確認?復習 |
| 12 | ゲスト講師による事例紹介 | 事例検討 | |
| 13 | ゲスト講師による事例紹介 | 事例検討 | |
| 14 | まとめ | 期末課題（テスト）等については後日連絡 |