シラバスの表示

情報と人間・社会

前期 火曜日 2講時 川北キャンパスB103. 単位数/Credit(s): 2. 担当教員(所属)/Instructor (Position): 和田 裕一、他 所属:情報科学研究科. 対象学部/Object: 1セメ:文系/3セメ:全. 開講期/Term: 1・3セメスター. 科目群/Categories: 全学教育科目基盤科目-情報. 履修年度: 2024. 科目ナンバリング/Course Numbering: ZFT-IST801J. 使用言語/Language Used in Course: 日本語.

主要授業科目/Essential Subjects

各学部の履修内規または学生便覧を参照。

授業題目/Class Subject

初歩からのデータサイエンス
Data Science For Beginners

授業の目的と概要/Object and Summary of Class

本授業は初学者を対象とし、データサイエンスの基本知識とスキルの習得を目的とする。授業は、データサイエンスに必要な統計分析の基礎知識に関する講義と、pythonを用いた機械学習を体験する実習形式で行う。

The purpose of this class is to acquire basic knowledge and skills in data science for beginners. The class will consist of lectures on basic knowledge of statistical analysis required for data science and hands-on practice of machine learning using python.

学修の到達目標/Goal of Study

データサイエンスの初歩として、データサイエンスに関する基礎知識と、データサイエンスを自らの研究で活用するための基本スキルの習得を目指す。

As a first step in data science, this course aims to provide students with basic knowledge of data science and basic skills to utilize data science in their own research.

授業内容・方法と進度予定/Contents and Progress Schedule of the Class

この科目ではGoogle Classroomを使用して講義資料と講義情報を発信します。
本授業の受講を検討している人は、事前にGoogle Classroom にアクセスしてメンバー登録をお願いします。
初回授業日は4月9日(火)を予定しております。
具体的な進め方については、Classroom のストリーム(掲示板)に掲載されるアナウンスを参照してください。

This course uses Google Classroom to inform you of lecture materials and lecture information.
If you are interested in taking this class, please go to Google Classroom and register as a member in advance.
The first class date is scheduled for Wednesday, April 9th.
For specific instructions, please see the announcement posted on the Classroom stream (bulletin board).


授業日程(変更する可能性あり)

  1.イントロダクション
  2.データサイエンスのための統計分析(Part 1)
  3.データサイエンスのための統計分析(Part 2)
  4.データサイエンスのための統計分析(Part 3)
  5.データサイエンスのための統計分析(Part 4)
  6.データサイエンスのための統計分析(Part 5)
  7.データサイエンスのための統計分析(Part 6)
  8.データサイエンスのための統計分析(Part 7)
9.データサイエンスのための統計分析(Part 8)
 10.機械学習の基礎(Part 1)
 11.機械学習の基礎(Part 2)
 12.機械学習実習(Part 1)
 13.機械学習実習(Part 2)
 14.機械学習実習(Part 3)
 15.これまでのレビューと総評、意見交換等


Class Schedule (Tentative)

  1. Introduction
  2. Statistical Analysis of Data for Data Science (Part 1)
  3. Statistical Analysis of Data for Data Science (Part 2)
  4. Statistical Analysis of Data for Data Science (Part 3)
  5. Statistical Analysis of Data for Data Science (Part 4)
  6. Statistical Analysis of Data for Data Science (Part 5)
  7. Statistical Analysis of Data for Data Science (Part 6)
8. Statistical Analysis of Data for Data Science (Part 7)
9. Statistical Analysis of Data for Data Science (Part 8)
 10. Basics of Machine Learning (Part 1)
 11. Basics of Machine Learning (Part 2)
 12. Machine Learning in Practice (Part 1)
 13. Machine Learning in Practice (Part 2)
 14. Machine Learning in Practice (Part 3)
 15. Review and discussion

成績評価方法/Evaluation Method

提出課題の成績ならびに授業への参加態度に基づいて総合的に評価する。評価方法の詳細については初回授業時に説明する。
Based on the assignment evaluation and attendance in class. Details will be announced in the 1st week.

教科書および参考書/Textbook and References

  • TBA,

授業時間外学修/Preparation and Review

毎回の復習を徹底すること。
一つのトピックの終了時に、授業内容に関する達成度確認テストもしくは小課題が課される。
これらは翌週の授業までの提出が求められる。

Review each lesson thoroughly.
At the end of each topic, you will be given a mini test to confirm your level of achievement and/or small assignments that must be submitted by Tuesday of next week.

授業へのパソコン持ち込み【必要/不要】/Students must bring their own computers to class[Yes / No]

必要
Yes

 これと関連したシラバス 学務情報システムで確認
このシラバスを共有