| 英文名 | Data Science | |
|---|---|---|
| 科目概要 | グリーン環境創成科学科２年前期 [月曜日2・3時限(週2コマ)]、２群科目、必修、講義、２単位(30時間) |
|
| 担当者 | (◎は科目責任者，※は実務経験のある教員) ◎村田 裕樹※ | |
| 講義室 | V101講義室 | |
| 備考 | 科目ナンバリング：VG201-BC09 隔週で開講 |
|
データ分析・データ可視化・データサイエンスの手法について学習する。
大量かつ多様なデータを処理・分析するため、データサイエンスの重要性が社会で増している。本講義では「データ分析の基礎」「データ可視化」「データサイエンスの手法」を学習するとともに、グリーン環境を創成するためのデータサイエンス活用方法について、実データ・実事例を紹介する。
１）「指定教科書」と「講義資料」を使って講義する。理解度を確認するため「小テスト」を2回実施する。
２）「講義の改善」（フィードバック）＝＞「小テスト」の解説を行う。「授業評価」のアンケート調査結果、および「現代社会」のニーズ動向をそれぞれ反映し、次年度の講義の改善に努める。
〇DP1：グリーン環境創成科学の理解、豊かな教養と高い倫理観
〇DP2：生物多様性の重要性を理解し、その維持や回復に貢献できる能力
〇DP3：食料生産が生態系に与える影響を理解し、生産力の向上と持続性の両立に貢献できる能力
| 回 | 項目 | 内容 | 担当者 |
|---|---|---|---|
| 1 | ガイダンス、データサイエンス入門 | 受講のねらいと諸注意、データサイエンスについて ・データ・AI利活用の最新動向、社会で起きている変化 ・データ量の増加、計算機の処理性能の向上、AIの非連続的進化 ・社会で活用されているデータとその活用領域の解説 |
村田 裕樹 |
| 2 | データ分析の基礎（１） | 散布図と相関係数、回帰直線、ヒートマップ ・調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど ・データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値） ・相関と因果（相関係数、擬似相関） |
村田 裕樹 |
| 3 | データサイエンスの手法（１） | クロス集計、回帰分析 | 村田 裕樹 |
| 4 | データ可視化（１） | 実データを用いた演習（散布図と相関係数、回帰直線、回帰分析） ・データ可視化：複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化 ・データ解析ツール（スプレッドシート） ・表形式のデータ（csv） |
村田 裕樹 |
| 5 | ＜基礎知識の確認＞ | 小テスト（１）と解説 | 村田 裕樹 |
| 6 | データ分析の基礎（２） | ヒストグラム・箱ひげ図・平均値と分散 ・調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど ・データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値） ・相関と因果（相関係数、擬似相関） |
村田 裕樹 |
| 7 | データサイエンスの手法（２） | クラスタリング、決定木 ・データ・AI利活用のための技術を説明する |
村田 裕樹 |
| 8 | データ可視化（２） | 実データを用いた演習（ヒストグラム・箱ひげ図・平均値と分散） ・データ可視化：複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化 ・データ解析ツール（スプレッドシート） ・表形式のデータ（csv） |
村田 裕樹 |
| 9 | データサイエンスの手法（３） | ニューラルネットワーク、機械学習とAI（人工知能） ・流通、製造、金融、サービス、インフラ、公共、ヘルスケア等における社会で活用されているデータ・AI利活用事例紹介 |
村田 裕樹 |
| 10 | データ可視化（３） | 実データを用いた演習（棒グラフ、折線グラフ、散布図、ヒートマップ） ・データ可視化：複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化 ・データ解析ツール（スプレッドシート） ・表形式のデータ（csv） |
村田 裕樹 |
| 11 | ＜基礎知識の確認＞ | 小テスト（２）と解説 | 村田 裕樹 |
| 12 | データ・AI利活用における留意事項 | ・AI社会原則（公平性、説明責任、透明性、人間中心の判断） ・データバイアス、アンコンシャスバイアス |
村田 裕樹 |
| 13 | データを扱う上での留意事項 | ・データ倫理：データのねつ造、改ざん、盗用、プライバシー保護 ・情報セキュリティ：機密性、完全性、可用性 |
村田 裕樹 |
| 14 | グリーン環境創成のためのデータサイエンス | 研究事例紹介、基礎知識のまとめ、本試験対策 ・実データを説明・扱えるようになる |
村田 裕樹 |
| 15 | まとめ・総括 | 講義内容のまとめ | 村田 裕樹 |
１）データ分析について理解している
２）データサイエンスの手法を理解している
３）データを可視化することができる
４）データ・AI利活用について理解している
小テスト（2回、30％）、本試験（70％）に基づき成績を評価する。なお、欠席は－5点、遅刻は－2点として評価点に換算する。
【授業時間外に必要な学習の時間：60時間】
「予習」： 区分ごとに小テスト（2回）を課すので「講義の要点」をノートにまとめておくこと。教科書に加え、図書館やインターネットにて他の参考資料にも親しむこと。
「復習」： 小テストの結果で不得手な箇所を確認、理解すること。特にデータの分析・可視化について理解を深めるため、実際にコンピュータで作業して確認する必要がある。
講義資料はWebClassに掲載する。「データ可視化（１）～（３）」の回ではパソコンを用いた演習を行うのでノートパソコンを持参すること。
実務経験の授業への活用方法：実務経験で培った知見や実例を取り入れ、講義内容が社会で果たす役割を具体的に説明することで、卒業後に求められるスキルや思考法を身につけられるよう指導する。
| 種別 | 書名 | 著者・編者 | 発行所 |
|---|---|---|---|
| 教科書 | データサイエンス入門（第3版） | 竹村彰通・姫野哲人・高田聖治 編 和泉志津恵・市川治・梅津高朗・北廣和雄・齋藤邦彦・佐藤智和・白井剛・高田聖治・竹村彰通・田中琢真・姫野哲人・槙田直木・松井秀俊 共著 |
学術図書出版社 |
| 参考書 | データ可視化学入門 | 江崎貴裕 | ソシム |
| 参考書 | 情報科学概論（第2版） | 田中琢真 著 | 学術図書出版社 |