2024年度/1GAK004201 (公大) / (府大)

【集中講義】数理・データサイエンス /[中百舌鳥]全N <後期>

本授業は各回とも遠隔授業(完全オンデマンド)として実施します。リアルタイムの参加はありません。 実際の研究やビジネスの現場において，データを活用した変革が急務となった今，データサイエンスやそれに準じるスキルを有する人材の重要性が高まっている。本授業では，文部科学省が推進する「数理・データサイエンス・AI 教育プログラム認定制度 (応用基礎レベル)」モデルカリキュラム学修項目の内，「1. データサイエンス基礎」 の内容を主にカバーするとともに，実際にデータ分析を体験する。授業の方法は、 ・すべてオンデマンド方式（Moodle）により遠隔授業を行う。 ・講義内容の録画資料および配布資料へのリンクを毎回配布し，オンデマンド形式により進める。 ・毎回，実習できる学修内容も設け，実際に卓上で Excel，Python などのデータ分析を実行するとともに，クラウドで動くツールの操作も行う。 予習では，テーマのポイントをチェックし，独力で理解できる部分とそうでない部分を意識しておく。 復習では，配布された資料に記載された内容を再チェックし，実習内容も何度か再現してみてスキルとして定着させること。

担当教員氏名

辻 智

授業管轄部署

国際基幹教育機構（学部）

開講キャンパス

遠隔用

開講区分

集中講義

配当年次

1年 (公大) / 2年 (府大)

注意: 配当年次は学部・学科によって異なる場合があるので、UNIPAで確認してください。

単位数

2単位 (公大) / 2単位 (府大)

注意: 実際の単位数は学部・学科によって異なる場合があるので、必ずUNIPAで確認してください。

到達目標

・得られたデータに対してデータアナリティクスの様々な技法を駆使することで，分析結果による科学的な意思決定をすることができる。 ・オープンデータを活用して，データハンドリングや可視化を自らできるようになる。 ・データを偏りなく正確に分析できる客観的な分析スキルを身につけることができる。 ・Excel でできる分析を Python でもできるようになる。

各授業回の説明

授業	授業内容	事前・事後の学習内容
第1回	本コース全体ガイドおよびデータサイエンスを取り巻く環境	キーワード(知識・スキル)：データ駆動型社会，Society 5.0
第2回	第３世代のコンピューティング Watson の応用  (マーケティング, 医療、etc.)	キーワード(知識・スキル)：データ駆動型社会，データを活用した新しいビジネスモデル，ICTの進展，ビッグデータ，クラウドサービス，ビッグデータ活用事例，コンピュータで扱うデータ，構造化データ，非構造化データ，AIの歴史，汎用AI/特化型AI，人間の知的活動とAI技術，AI技術の活用領域の広がり，実世界で進む深層学習の応用と確信，AIの社会実装，ビジネス/業務への組み込み，複数のAI技術を活用したシステム
第3回	日々進化するサイバー・セキュリティーの世界	キーワード(知識・スキル)：データの盗聴，改ざん，なりすまし，マルウェアによるリスク，AI倫理，AIの社会的受容性，プライバシー保護、個人情報の取り扱い，機械翻訳
第4回	コグニティブ時代のソーシャルとの向き合い方	キーワード(知識・スキル)：ソーシャルメディアデータ，AI倫理，AIの社会的受容性，プライバシー保護、個人情報の取り扱い，機械翻訳
第5回	ビッグデータ時代のデータビジュアライゼーション	キーワード(知識・スキル)：様々なデータ可視化手法，データの相違性・傾向性・関連性，可視化目的に応じた図表化，1～3次元の図表化
第6回	COVID-19 に関する世界のダッシュボードとオープンデータ事例	キーワード(知識・スキル)：様々なデータ可視化手法，データの相違性・傾向性・関連性，可視化目的に応じた図表化，1～3次元の図表化
第7回	地域活性化に向けたビッグデータの利活用 －RESAS 地域経済分析システム	キーワード(知識・スキル)：様々なデータ可視化手法，データの相違性・傾向性・関連性，可視化目的に応じた図表化，1～3次元の図表化
第8回	ビッグデータとしての日本のオープンデータ	キーワード(知識・スキル)：様々なデータ可視化手法，データの相違性・傾向性・関連性，可視化目的に応じた図表化，1～3次元の図表化
第9回	データサイエンス界で発展する言語 Python	キーワード(知識・スキル)：アルゴリズムの表現，文字型，変数，関数，反復の構造をもつプログラムの作成
第10回	Jupyter Notebook による Python プログラミング (Google Colaboratory, etc.)	キーワード(知識・スキル)：アルゴリズムの表現，文字型，変数，関数，反復の構造をもつプログラムの作成
第11回	時系列データを用いた Python による単回帰分析と予測	キーワード(知識・スキル)：様々なデータ分析手法，散布図，単回帰分析，最小二乗法，時系列データ，相関係数，文字型，変数，関数，反復の構造をもつプログラムの作成，予測技術の活用事例
第12回	多変量の分析：重回帰分析を含む回帰モデル	キーワード(知識・スキル)：様々なデータ分析手法，重回帰分析，最小二乗法，相関係数，多項式関数，文字型，変数，関数，反復の構造をもつプログラムの作成
第13回	機械学習による多変量分析：K-Means 法によるクラスタリング	キーワード(知識・スキル)：様々なデータ分析手法，木探索，文字型，変数，関数，反復の構造をもつプログラムの作成，実世界で進む機械学習の応用と発展，教師あり学習，教師なし学習，強化学習，学習データと検証データ，過学習，バイアス，実世界で進む深層学習の応用と確信，ニューラルネットワークの原理，決定木
第14回	ヒストグラムを活用した画像の明暗加工	キーワード(知識・スキル)：ヒストグラム，文字型，変数，関数，反復の構造をもつプログラムの作成
第15回	Python による自然言語処理 (似ている文章の評価)	キーワード(知識・スキル)：ベクトルの演算，内積，文字型，変数，関数，反復の構造をもつプログラムの作成，自然言語処理の活用事例，形態素解析，単語分割

成績評価方法

・到達目標の達成度について評価を行う。 ・コース終了後に提出するレポート(40％)　毎回のオンデマンド授業時の小テスト(60％)。 ・積極的なリアクション・コメントを高く評価する。 ・合格(単位取得)するためには、オンデマンド授業を10回以上受講し、最終レポートも含めて 60% 以上を達成すること。

履修上の注意

初学者を歓迎する。前提知識がないのを前提として授業を進めるので、人文・社会科学系の学生の積極的な参加に期待します。

教科書

特に指定しない。授業に関する資料は毎回 Moodle 上で配布する。

Loading...

参考文献

授業内で適宜紹介していく。授業に関する資料は毎回 Moodle 上で配布する。

オフィスアワー

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -

教員への連絡方法（メールアドレス等）

- 外部公開シラバスのためデータがありません / Please use UNIPA syllabus -