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 | 2025/03/25 現在／As of 2025/03/25 |
|
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 |
2025年度／2025 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 |
本講義では、データサイエンスの基礎から実践までを学び、データを活用した意思決定のスキルを習得することを目的とします。春学期ではデータサイエンスのプロセス、統計の基礎を学び、秋学期ではSQLを活用したデータ収集、データ前処理、データ可視化、統計の応用を実践します。 本講義「データサイエンス入門」では、以下の内容を春学期と秋学期に分けて学びます。 春学期：「データサイエンス入門a」 ?データサイエンスの概要と役割（歴史、社会での活用、情報倫理） ?データサイエンスのプロセス ?機械学習の概要 ?記述統計の基礎（度数分布、平均、標準偏差、ヒストグラム、相関係数） ?確率?推測統計の基礎（回帰式、確率変数、正規分布、標本と母集団、大数の法則、区間推定） 秋学期：「データサイエンス入門b」 ?データ収集（データベースとSQL言語） ?データの前処理（欠損値処理、データクレンジング、標準化?統合） ?データ可視化（棒グラフ、散布図、ヒートマップ、ピボットテーブル、BIツール） ?推測統計の応用（仮説検定、1標本?2標本検定） 本講義は、講義形式に加えて、ExcelやSQLを活用した実践的な演習を行うことで、より深い理解を目指します。 データサイエンスは、企業活動における重要性がますます高まっています。本講義を通じて基礎を習得することで、受講生は卒業後もデータサイエンスプロジェクトに自信を持って取り組めるようになります。 また、本講義は経営学科の学位授与方針（DP）に則り、情報技術に関する専門知識の提供を通じて、情報処理の原理を理解し、実務にも役立つ内容を心掛けています。 |
||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
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。 ?データ分析に関するエクセルの課題提示を行う。 ?SQLに関する課題提示を行う。 ?課題提示に対するフィードバックは、授業中に適宜解説を行う。 ?各学期の最終授業で総復習の位置づけで期末テストを実施する。 ?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 |
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 |
特殊講義a(AI入門a） 特殊講義b(AI入門b） 特殊講義b(データサイエンス入門a） 現代社会１(数理?データサイエンス?AI) |
||||||||||
|
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 | データベース概要 |
データベース概要を学習する | 事前：レジュメの一読 事後：講義ノートの確認 |
| 3 | データ収集、プログラミング演習 | データベースからデータを収集するためのプログラミング言語SQLの演習を行う | 事前：レジュメの一読 事後：講義ノートの確認 |
| 4 | データ収集、プログラミング演習 | データベースからデータを収集するためのプログラミング言語SQLの演習を行う | 事前：レジュメの一読 事後：講義ノートの確認 |
| 5 | データ前処理 |
データ前処理（箱ひげ図、欠損値処理、データクレンジング）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 |
| 6 | データ前処理 | データ前処理（データの標準化?正規化、データの統合と変換）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 |
| 7 | データ可視化 |
データ可視化（棒グラフ?折れ線グラフ?ヒートマップ等）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 |
| 8 | データ可視化 |
データ可視化（Excelのピボットテーブル、BIツール）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 | 復習（統計基礎） |
春学期学習した確率変数、区間推定等の復習を行う |
事前：レジュメの一読 事後：講義ノートの確認 |
| 10 | 推測統計（仮説検定） | 推測統計（仮説検定）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 | 推測統計（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 | 推測統計（仮説検定(２標本)） |
推測統計（仮説検定(２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 |
| 13 | データストーリーテリングの具体例の提示と演習 | データストーリーテリング（社会データ、ビジネスデータの可視化）の具体例の提示と演習を行う |
事前：レジュメの一読 事後：講義ノートの確認 |
| 14 | 総復習 | 総復習を行う |