VUCA（Volatility，Uncertainty，Complexity，Ambiguity）時代の⼯学リテラシーであるデータサイエンスを共通的な素養として⾝につける．本講義・演習は，PBL（Project Based Learning）形式で実施し，情報倫理，実課題のデータを⽤いることでデータサイエンスに必要なデータの作り⽅と分析に必要な基本的な原理・技術を学修する．この学修を通じて，データサイエンスの⼀連のプロセスを体験する．
・情報社会のセキュリティと権利とは何かを情報倫理の演習・講義を通じて学ぶ。
・プログラミング言語Pythonを学び，データの収集・作成，分析・可視化を行い，データ分析結果の報告を行う。
・このデータ分析に際して，高校で学習した確率・統計の知識を再確認し，統計分析を行う。
・データサイエンスの技術である機械学習の基礎的概要を理解する。
・プログラミング言語Pythonを学び，データの収集・作成，分析・可視化を行い，データ分析結果の報告を行う。
・このデータ分析に際して，高校で学習した確率・統計の知識を再確認し，統計分析を行う。
・データサイエンスの技術である機械学習の基礎的概要を理解する。
| 達成目標 | 電子情報システム学科 | 機械制御システム学科 | 環境システム学科 | 生命科学科 | 数理科学科 | |
|---|---|---|---|---|---|---|
| 1. | データサイエンスに関する書籍，論⽂，インターネットの情報を理解することができる |
C-2
|
C-2
|
|||
| 2. | 情報社会のセキュリティと権利を理解できる |
C-2
|
C-2
|
|||
| 3. | データを分析に必要な形式 に変換することができる |
C-2
|
C-2
|
|||
| 4. | 統計分析の⼿法を理解し活⽤することができる |
C-2
|
C-2
|
|||
| 5. | 機械学習の基本を理解できる |
C-2
|
C-2
|
| 総合分析１ | 総合分析２ | 総合分析３ | 合計 | |
|---|---|---|---|---|
| 1. | 10% | 10% | ||
| 2. | 10% | 10% | ||
| 3. | 20% | 10% | 30% | |
| 4. | 10% | 20% | 30% | |
| 5. | 20% | 20% | ||
| 合計 | 40% | 20% | 40% | - |
| 授業計画 | 授業時間外課題（予習および復習を含む） | 必要学習時間 | |
|---|---|---|---|
| 1. | ガイダンス アイスブレイキング 情報共有ツールの利用 |
ScrapBoxの利用法を予習する | 45分 |
| 2. | 情報倫理とは何か 情報社会のセキュリティと権利とは何か （ブレインストーミング） |
情報倫理に関する情報を整理する | 30分 |
| 情報社会のセキュリティに関する情報を整理する | 30分 | ||
| 3. | プログラミング言語Python：変数の利用 ソースコードの写経 エラーの解決 |
Pythonの変数を使ったコードを実行みる | 45分 |
| 4. | プログラミング言語Python：制御文の利用 プログラミング言語Python：繰り返し文の利用 エラーの解決 |
Pythonの制御文を使ったコードを実行する | 30分 |
| Pythonの繰り返し文を使ったコードを実行みる | 30分 | ||
| 5. | Pandasを使ったデータの読み込みと表示 制御文、繰り返し文を使ったデータ分析 |
Pandasを使ったコードを実行する | 45分 |
| 6. | データクリーニング データ分析の基礎（制御文、繰り返し文を使った分析） |
データクリーニングをする | 30分 |
| クリーニングされたデータを分析する | 30分 | ||
| 7. | データの可視化 統計分析 データ分析結果の報告 |
データを可視化する | 30分 |
| データの統計分析を行う | 30分 | ||
| 8. | 総合分析1（データの読み込み、クリーニング、統計分析、可視化） | 分析結果の報告書を作成する | 45分 |
| 9. | Pythonによる母集団と標本 Pythonによる確率と確率分布 |
Pythonを用いた母集団と標本に関するコードを実行する | 30分 |
| Pythonを用いた確率と確率分布に関するコードを実行する | 30分 | ||
| 10. | Pythonによる分布 Pythonによる推定と検定 |
Pythonを用いた分布に関するコードを実行する | 30分 |
| Pythonを用いた推定と検定に関するコードを実行する | 30分 | ||
| 11. | Pythonによる区間推定とT検定 総合分析2（データの読み込み、クリーニング、統計分析、可視化、確率、分布、推定、検定） |
Pythonを用いた区間推定とT検定に関するコードを実行する | 30分 |
| 分析結果の報告書を作成する | 45分 | ||
| 12. | 教師あり学習と教師なし学習を用いたデータ分析 クラスタリングを用いたデータ分析 |
機械学習を用いたデータ分析コードを実行する | 45分 |
| 13. | 単回帰分析を用いたデータ分析 重回帰分析を用いたデータ分析 |
回帰分析を用いたデータ分析コードを実行する | 45分 |
| 14. | 総合分析3（データの読み込み、クリーニング、統計分析、可視化、確率、分布、推定、検定、機械学習） | 分析結果の報告書を作成する | 45分 |
| 合計 | - | - | 750分 |
- ３．すべての人に健康と福祉を
- ７．エネルギーをみんなにそしてクリーンに
- ９．産業と技術革新の基盤をつくろう
- １１．住み続けられるまちづくりを
- １３．気候変動に具体的な対策を
最終更新 : Mon Mar 24 04:05:59 JST 2025