シラバス参照

印刷
講義名 データサイエンス入門
代表ナンバリングコード BCC1CC1030
講義開講時期 前期 講義区分 講義
基準単位数 2
受講定員の有無 なし
授業公開 科目等履修・聴講
履修年次 1年次
2024年度カリキュラム　ナンバリング

担当教員
氏名
◎ 畠中　利治

到達目標 データから何かしらの知見を得るための基本的手法として、記述統計の基礎と確率モデルについて理解する。
データサイエンスの成り立ちと社会でどのように使われているか？を知り、自らデータを集め、データに基づいて判断を行うプロセスの基本的な流れを理解する。
これらを通じて、地域社会の諸問題をデータを通じて考えていくことができることを目標とする。
授業概要 大量のデータからものごとの関係性を発見して新たな価値を創造することなど、データサイエンスは現代社会において、欠かせない役割を担うようになっている。
本講義では、データをさまざまな角度から分析し、データに基づく意思決定、プロセスの改善、異常の発見など実社会に役立つアウトプットを得るためのデータサイエンスの基本的手法を学んでいくうえで必要となるデータサイエンスの基本的な考え方および、実際の応用例を学ぶ。またこれらの学びを通じて、今後の地域社会の実課題の発見と分析の方法やそこから得られる価値創造に取り組むためのアプローチについて考えていく。
授業計画
回授業内容
第1回社会におけるデータ・AI利活用（1）
データとは何か？身の回りのデータ，データサイエンスのはじまりとなりたち
第2回社会におけるデータ・AI利活用（2）
AIの発達，人間の知的活動とAIの関係
第3回社会におけるデータ・AI利活用（3）
社会で活用されているデータ，社会の変化、ビッグデータ、情報社会とこれからの社会
第4回社会におけるデータ・AI利活用（4）
データと人工知能、予測，グルーピング（クラスタリング），関係性の発見、相関とは
第5回社会におけるデータ・AI利活用（5）
予測モデル，回帰モデル，分類
第6回社会におけるデータ・AI利活用（6）
データ・AI利活用に携わる仕事の実際（ゲスト講師の講演を予定）
第7回社会におけるデータ・AI利活用についてのまとめ、最近の動向
第8回データリテラシー（1）
データを読むとは？、データの種類
第9回データリテラシー（2）
データの分布と代表値／代表値の性質の違い／データのばらつき
第10回データリテラシー（3）
観測データに含まれる誤差、相関係数、相関と因果、関係性の表現方法
第11回データリテラシー（4）
母集団と標本抽出、クロス集計、散布図行
第12回デーータリテラシー（5）
データの表現方法、グラフによる可視化、不適切なグラフ表現、優れた可視化
第13回データリテラシーのまとめとオープンデータを用いた演習
第14回データに基づく意思決定、仮説とデータを用いた判断、エビデンスに基づく政策立案
第15回スモールデータとビッグデータ、地方におけるデータ利活用
準備学習（予習・復習等）の内容とそれに必要な時間 （毎回の授業前に行うべき予習）
キーワードをもとに関連する資料を探して目を通すこと。
教科書の該当する章を読んでおくこと。

（毎回の授業終了後に行うべき復習）
手法をより詳しく理解するため、Excelなどを利用してデータ処理を試すこと。また、ノートに計算をまとめること。
統計学の参考書などを参考に、講義の内容を再確認しておくこと。
評価方法（割合） 適宜実施の課題・小テスト（15％）
期末テスト　　　　（70％）
トピックスに関するレポート（15％）
課題（試験やレポート等）に対するフィードバックの方法 小テストで理解度を確認し、次回の講義で理解が不十分な箇所などを説明する。
テキスト 教養としてのデータサイエンス、北川源四郎、竹村彰通（編）講談社
参考書・参考資料等 LMSを通じて講義資料を配布する。
データサイエンス入門、竹村彰通（著）岩波書店
メッセージ ビッグデータと人工知能の活用する能力やスキルは、文系・理系を問わず重要であり、今後、すべての大学生が数理・データサイエンス・AIの基礎を学ぶことが求められます。
とくに、データからその背後にある事柄を知り、データに基づいて意思決定することは、実社会で極めて重要です。この講義では、その基礎を学びます。この学びを活かし、データを通して皆さんの地域や社会を考えるようにしていきましょう。
教員との連絡方法 オフィスアワーを設けています。在室時には面談ができます。
出張・会議により不在の場合もありますので、なるべく事前にメールで連絡してください。
担当教員の実務経験 科学計測における検出限界や分析精度の評価（精度、特異度、第1種の過誤/第2種の過誤）
備考 講義中、特段の理由がない限り私語、飲食、着帽、無断退室を慎むこと。
わからない言葉，意味を確認したい用語は授業中でも積極的に調べておくこと。概念を整理できるようにノートをつけることが望ましい。



※新型コロナウイルス感染症の状況により、本シラバスの内容が変更となることがあります。
卒業認定・学位授与方針との関連
◎特に関係性が深い、○関係性が深い
関連性
地域経営学部
〈2024年度以降〉教養：地域社会の生活者に求められる健全な市民感覚と倫理観を育む豊かな教養を獲得すること
○
〈2024年度以降〉知識：地域経営学の体系を構成する４つの領域（公共経営、企業経営、交流観光、医療福祉経営）から、一つ以上の領域の知識を修得すること
〈2024年度以降〉技術：上記４領域を学ぶための方法や調査研究のためのスキルを取得していること
〈2024年度以降〉思考力：上記４領域のいずれかの領域において、専門的・学術的に深い鍛錬を積み、高度な思考力を獲得していること
〈2024年度以降〉判断力：地域社会がローカルレベルで直面している課題を、ナショナルレベルとグローバルレベルの状況との関連において理解し、課題の本質について的確に捉えることができる判断力を獲得していること。
〈2024年度以降〉実践力：地域経営学の知識・技術・思考力・判断力を活用して、地域社会の様々なアクターと協働しながら地域課題を解決できる実践力を獲得していること。
【2020～2023年度】地域実践の基盤となる基礎学力、基礎技術力をもつ人財
【2020～2023年度】地域の現実のデータを収集・分析し、地域社会の持続と発展のためのシナリオ作成と評価ができる人財
◎
【2020～2023年度】地域経営学科は、地域社会の多様な主体に関心をもち、地域経営学の知見や技術を応用・活用して、地域の価値の向上や持続可能な社会の形成に寄与できる人財。公共経営、企業経営、交流観光等の分野で活躍できる人財
○
【2020～2023年度】医療福祉経営学科は、地域社会の多様な主体に関心をもち、地域経営学の知見や技術を応用・活用して、地域の価値の向上や持続可能な社会の形成に寄与できる人財。診療情報管理士の資格取得を目指しつつ、医療福祉経営等の分野で活躍できる人財
○
≪2017～2019年度≫学んだ知識と国際的視野をもって地域社会や様々な現実の場で実践し応用できる人財（グローカリスト）
≪2017～2019年度≫地域力の推進役（キーパーソン：リーダー、マネージャー、コーディネーター）として活躍できる人財
≪2017～2019年度≫地域経営学科は、地域社会の多様な主体に関心をもち、企業活動の活性化、地域社会の再生・活性化等を目指して、多様な地域の継続的事業体の基本を学び、これを活用できる人財、とくに経営概念を主軸とした公共経営系、企業経営系、交流観光系に関する人財
≪2017～2019年度≫医療福祉経営学科は、診療情報管理士（日本病院会等の認定資格）の資格取得を目指しつつ、医療機関・福祉施設と企業経営との経営の共通性と相違性等を学び、将来はその経営に参画できる人財、医療福祉を通して地域に貢献できる人財
情報学部
〈2024年度以降〉情報学実践の基盤となる堅固な基礎学力、基礎技術力
○
〈2024年度以降〉データを収集・分析し、地域社会の持続と発展のためのシナリオ作成や評価に関する知識
○
〈2024年度以降〉情報システムやアプリケーションの開発等により、地域社会を支える情報基盤を構築する技術
〈2024年度以降〉人工知能技術やエンタテインメント技術を用いて、地域社会に貢献する力
〈2024年度以降〉情報学の知見や技術を応用・活用して、様々な分野で活躍できる力
【2020～2023年度】情報学実践の基盤となる堅固な基礎学力、基礎技術力を持つ
◎
【2020～2023年度】地域の現実のデータを収集・分析し、地域社会の持続と発展のためのシナリオ作成と評価ができる
○
【2020～2023年度】情報システムやアプリケーションの開発等により、地域社会を支える情報基盤を構築できる
【2020～2023年度】人工知能技術やエンタテインメント技術を用いて、地域社会を豊かにできる
【2020～2023年度】情報学の知見や技術を応用・活用して、公共経営、企業経営、交流観光、医療福祉、防災等のまちづくりに貢献できる
評価基準
列1
秀
現代社会におけるデータサイエンスの役割を理解するとともに、データ処理とモデルを理解し、その解釈について述べることができる。さらに、小テストにも正しく解答できている。
優
現代社会におけるデータサイエンスの役割を理解するとともに、データ処理とモデルを理解し、その解釈も説明ができる。
良
現代社会におけるデータサイエンスの役割を理解するとともに、データ処理とモデルは理解しているが、その解釈の説明は十分ではない。
可
現代社会におけるデータサイエンスの役割が理解できる。データ処理またはモデルの理解ができているが、その解釈の説明は十分ではない。
不可
現代社会におけるデータサイエンスの役割が理解できていない。
放棄
3分の2以上は出席していない。