Course title
N2860200,P2860500,Q2860400,R2860300,V28601002
Data Science

 HARADA Takuya

MOCHINAGA Dai

NAKAI Yutaka
Course description
本授業では、数理・データサイエンス・AI教育におけるデータサイエンスの基礎及びデータエンジニアリングの基礎を修得する。また、これらの基礎を実施する手法を習得する。
Purpose of class
データサイエンスおよびデータエンジニアリングの基本的な概念と手法、応用例を学ぶことで、データから意味を抽出し、現場にフィードバックするための方法を理解する 。さらに、実際にデータの分析や可視化を行うことで、データサイエンスおよびデータエンジニアリングを実践するための基礎を身につける。
Goals and objectives
  1. データサイエンスの基本的な概念と手法を説明できる。
  2. データエンジニアリングの基本的な概念と手法を説明できる。
  3. データサイエンス・データエンジニアリングの基本的な手法を実践できる。
Relationship between 'Goals and Objectives' and 'Course Outcomes'

 テスト 毎回の課題 Total.
1. 20% 10% 30%
2. 20% 10% 30%
3. 10% 30% 40%
Total. 50% 50% -
Language
Japanese
Class schedule

 Class schedule HW assignments (Including preparation and review of the class.) Amount of Time Required
1. イントロダクション
・データ駆動型社会とデータサイエンス
・ビッグデータとデータエンジニアリング 		配布資料を良く読んでおく 100minutes
Pythonの基礎 100minutes
2. Pythonの基礎
・PythonとPandas 		配布資料を良く読んでおく 100minutes
Pythonの基礎 100minutes
3. データハンドリング
・データベースとSQL 		配布資料を良く読んでおく 100minutes
SQLの基礎 100minutes
4. これまでの振り返り これまでの内容を復習しておく 200minutes
5. 回帰分析の特徴と解説、分析と可視化（1）
・データの前処理
・相関
・単回帰分析
・重回帰分析 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
6. 回帰分析の特徴と解説、分析と可視化（2）
・ロジスティック分析 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
7. 教師あり学習・教師なし学習（1）
・クラスタリング 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
8. 教師あり学習・教師なし学習（2）
・決定木 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
9. テキストマイニング（1）
・ワードクラウド 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
10. テキストマイニング（2）
・ワードクラウド 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
11. 画像解析（深層学習）（1）
・深層学習の仕組み
・深層学習の利活用 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
12. 画像解析（深層学習）（2）
・画像解析の利活用
・深層学習を用いた画像解析 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
13. 音声認識（深層学習）（1）
・音声認識を用いた利活用 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
14. 音声認識（深層学習）（2）
・深層学習を用いた音声認識 		配布資料をよく読んでおく 60minutes
Pythonを用いた教師あり・教師なし学習を予習する 120minutes
Total. - - 2600minutes
Evaluation method and criteria
毎回出題するテストと課題によって評価する。各回の要点を説明でき、かつデータの分析、可視化が最低限できることを60点の目安とする。
Feedback on exams, assignments, etc.
ways of feedback specific contents about "Other"
授業内と授業外でフィードバックを行います。
Textbooks and reference materials
なし
Prerequisites
なし。ただし、授業ではPythonを用いるので、インターネットや書籍を用いて積極的に予習をしておくことを期待する。
Office hours and How to contact professors for questions
  • 授業後に講義室か研究室、もしくはメールやグループウェアで連絡してください。
Regionally-oriented
Non-regionally-oriented course
Development of social and professional independence
  • Course that cultivates an ability for utilizing knowledge
  • Course that cultivates a basic problem-solving skills
Active-learning course
Most classes are interactive
Course by professor with work experience
Work experience Work experience and relevance to the course content if applicable
Applicable 民間企業に勤める特別講師による特別講義あり。データサイエンスが企業でどのように用いられているかを知ることができる。
Education related SDGs:the Sustainable Development Goals
  • 1.NO POVERTY
  • 2.ZERO HUNGER
  • 3.GOOD HEALTH AND WELL-BEING
  • 4.QUALITY EDUCATION
  • 5.GENDER EQUALITY
  • 6.CLEAN WATER AND SANITATION
  • 7.AFFORDABLE AND CLEAN ENERGY
  • 8.DECENT WORK AND ECONOMIC GROWTH
  • 9.INDUSTRY, INNOVATION AND INFRASTRUCTURE
  • 10.REDUCED INEQUALITIES
  • 11.SUSTAINABLE CITIES AND COMMUNITIES
  • 12.RESPONSIBLE CONSUMPTION & PRODUCTION
  • 13.CLIMATE ACTION
  • 14.LIFE BELOW WATER
  • 15.LIFE ON LAND
  • 16.PEACE, JUSTICE AND STRONG INSTITUTIONS
  • 17.PARTNERSHIPS FOR THE GOALS
Last modified : Tue Sep 17 18:15:17 JST 2024