|
|
|
|
|
|
|
|
|
|
本講義では、現代社会においてデータサイエンスの応用例と基礎知識を学びます。データサイエンスは、統計学、コンピュータサイエンス、その他の社会科学がオーバーラップする学際的分野です。データサイエンスの重要性や応用可能性について理解し、現実の課題へどのようにデータサイエンスを応用すればよいかを考察できうようになることを目標とします。データサイエンスにはプログラミングの知識が必須のため、プログラミングを利用した演習を行います。
|
|
|
1. データサイエンスの導入
2. プログラミング言語Pythonの導入
3. プログラミング言語Pythonの導入
4. プログラミング言語Pythonの導入
5. 予測
6. 予測
7. 分類
8. 分類
9. 因果推論
10. 因果推論
11. ネットワークサイエンス
12. ネットワークサイエンス
|
|
|
・教科書や講義資料を使って毎回復習し、理論的な理解を深めてください
・大学学部レベルの線形代数・微分積分・統計学等の数学科目の内容を事前に習得していると理解が深まります
・プログラミングの演習を自習としても行うことで理解がさらに深まります
|
|
|
・現代社会におけるデータサイエンスの役割について広く理解すること
・データサイエンスに関する基礎的な知識を身に付けること
・プログラミング言語を用いてデータ分析を行えるようになること
|
|
|
・現代社会におけるデータサイエンスの役割について広く理解すること
・データサイエンスに関する基礎的な知識を身に付けること
|
|
|
|
・成績評価は課題（80%）とレポート（20%）で行います
|
|
|
【成績評価の基準表】
| 秀(S) | 優(A) | 良(B) | 可(C) | 不可(F) |
| 履修目標を越えたレベルを達成している | 履修目標を達成している | 履修目標と到達目標の間にあるレベルを達成している | 到達目標を達成している | 到達目標を達成できていない |
|
|
履修目標：授業で扱う内容（授業のねらい）を示す目標
到達目標：授業において最低限学生が身につける内容を示す目標
|
|
【授業別ルーブリック】
| 評価項目 | 評価基準 |
| 期待している以上である | 十分に満足できる(履修目標) | やや努力を要する | 努力を要する(到達目標) | 相当の努力を要する |
| 理解度 | 授業内容を越えた自主的な学修が認められる。 | 授業内容をほぼ100％理解している。 | 到達目標は理解しているが、授業内容に不足がある。 | 到達目標に達していることが認められる。 | 到達目標に達していない。 |
| 課題解法能力 | 解法が分からない他人にアドバイスができる。 | 何も参照せずに独自の能力で課題を解くことができる。 | 参考書などを参考にすれば、独自で課題を解くことができる。 | 他人のアドバイスがあれば課題を解くことができる。 | 他人のアドバイスがあっても自発的に課題を解くことができない。 |
| 調査能力（予習） | 自ら進んで予習範囲を越えて調べている。 | 予習範囲を十分に理解し、他人に説明できる。 | 指示した予習範囲の理解にあいまいな点がある。 | 指示された範囲は予習するが、理解が不十分である。 | 指示された範囲は予習が不十分である。 |
|
|
|
|
毎回の講義を前半・後半に分けて、前半を講義形式、後半を演習形式で進めます
|
|
|
|
|
|
9784065238097
|
|
|
教養としてのデータサイエンス
|
|
|
北川源四郎・竹村彰通 編 内田誠一・川崎能典・孝忠大輔・佐久間淳・椎名洋・中川裕志・樋口知之 ・丸山宏 著
|
|
講談社
|
|
2021
|
|
|
|
|
|
9784780607307
|
|
|
データサイエンス入門
|
|
|
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
|
|
学術図書出版
|
|
2021
|
|
|
|
|
|
|
|
9784621308981
|
|
|
ネットワーク科学入門 : Pythonで学ぶデータ分析とモデリング
|
|
|
Menczer, Filippo,Fortunato, Santo,Davis, Clayton A.,笹原, 和俊, 1976-,F.メンツァー, S.フォルトゥナート, C.A.デービス 著,笹原和俊 監訳,五十嵐祐, 小林照義, 瀧川裕貴, 橋本康
|
|
丸善出版
|
|
2023.12
|
|
|
|
|
|
|
|
受講者の人数に応じて教科書を変更する可能性があります。詳細は初回の講義で指示します。
|
|
|
|
|
|
指定の教科書以外にも自身に合った参考書を適宜参照してください
|
|
|
・大学学部レベルの線形代数・微分積分・統計学等の数学科目を事前に履修すると理解が深まります
・計量経済学、データサイエンス、AI等の関連科目を事前に履修すると理解が深まります
・プログラミングの経験があると理解が深まります
|
|
|
|
データサイエンス、統計学、人工知能、ネットワークサイエンス
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|