|| 英語(English)
学習支援計画書(シラバス) 検索システム
専門教育課程 情報工学科
授業科目区分 科目名 単位数 科目コード 開講時期 履修方法
専門教育課程
専門科目
専門
データサイエンス
Data Science
2 E532-01 2022年度
5期(前学期)
修学規程第4条を参照
担当教員名
*印は、実務経験のある教員を示しています。
授業科目の学習・教育目標
キーワード 学習・教育目標
1.科学計算 2.数値解析 3.データ可視化 4.機械学習 5.データマイニング (1)コンピュータでの科学計算方法を修得する (2)コンピュータでの数値解析方法を修得する (3)データの可視化方法を修得する (4)機械学習の概要を理解してプログラムで実装する方法を修得する (5)データマイニングの概要を理解して他者に説明できる能力を修得する
授業の概要および学習上の助言
データサイエンスではデータをコンピュータで巧みに扱う方法について学ぶ。データサイエンスを学ぶために、線形代数学と 統計学について復習をしておくことを勧める。また、受講前にコンピュータに20GiB以上の空き容量を確保しておく。
教科書および参考書・リザーブドブック
教科書:指定なし 参考書:指定なし リザーブドブック:指定なし
履修に必要な予備知識や技能
(1)線形代数学の知識 (2)統計学の知識 (3)Pythonでの基礎的なプログラミング能力
学生が達成すべき行動目標
No. 学科教育目標
(記号表記)
D,J,L,M,N コンピュータを用いて基本的な科学計算ができる
D,J,L,M,N コンピュータを用いて基本的な数値解析ができる
J,N データの可視化方法について説明できる
J,L,M,N 機械学習の概要を理解してプログラムで実装できる
J,L,M,N データマイニングの概要を理解して説明できる
達成度評価
評価方法
試験 クイズ
小テスト
レポート 成果発表
(口頭・実技)
作品 ポートフォリオ その他 合計
総合評価割合 0 40 60 0 0 0 0 100
指標と評価割合 総合評価割合 0 40 60 0 0 0 0 100
総合力指標 知識を取り込む力 0 20 10 0 0 0 0 30
思考・推論・創造する力 0 10 20 0 0 0 0 30
コラボレーションと
リーダーシップ
0 0 0 0 0 0 0 0
発表・表現・伝達する力 0 0 20 0 0 0 0 20
学習に取組む姿勢・意欲 0 10 10 0 0 0 0 20
※総合力指標で示す数値内訳、授業運営上のおおよその目安を示したものです。
評価の要点
評価方法 行動目標 評価の実施方法と注意点
試験
クイズ
小テスト
講義内容の理解度を確認する。
レポート レポートを2回課す。 講義内容を理解するだけでなく応用できるかどうかを問う。 問題解決の方法や、実行結果の考察など、総合的に評価する。
成果発表
(口頭・実技)
作品
ポートフォリオ
その他
具体的な達成の目安
理想的な達成レベルの目安 標準的な達成レベルの目安
コンピュータを使ってデータを可視化し、また科学計算や数値 解析を行って適切にデータを評価できる。基礎的な機械学習の 手法を応用して、データから有益な情報を抽出し考察すること ができる。 コンピュータを使ってデータを可視化や科学計算、数値解析が できる。基礎的な機械学習の手法を理解して説明できる。
CLIP学習プロセスについて
一般に、授業あるいは課外での学習では:「知識などを取り込む」→「知識などをいろいろな角度から、場合によってはチーム活動として、考え、推論し、創造する」→「修得した内容を表現、発表、伝達する」→「総合的に評価を受ける、GoodWork!」:のようなプロセス(一部あるいは全体)を繰り返し行いながら、応用力のある知識やスキルを身につけていくことが重要です。このような学習プロセスを大事に行動してください。
※学習課題の時間欄には、指定された学習課題に要する標準的な時間を記載してあります。日々の自学自習時間全体としては、各授業に応じた時間(例えば2単位科目の場合、予習2時間・復習2時間/週)を取るよう努めてください。詳しくは教員の指導に従って下さい。
授業明細
回数 学習内容 授業の運営方法 学習課題 予習・復習 時間:分
1週 オリエンテーション 講義、質疑応答 第2回講義までに指定されたファ イルをダウンロードしておく 100
2週 環境構築 講義、演習、質疑応答 復習:課題を完成させる 100
3週 ライブラリの基本的な使い方 講義、演習、質疑応答 復習:課題を完成させる 100
4週 記述統計と線形単回帰分析 講義、演習、質疑応答 復習:課題を完成させる 100
5週 確率と推計統計学 講義、演習、質疑応答 復習:課題を完成させる 100
6週 Pythonによる科学計算 講義、演習、質疑応答 復習:課題を完成させる 100
7週 データ加工処理と可視化 講義、演習、質疑応答 復習:課題と課題レポートを完成 させる 200
8週 教師あり学習1 講義、演習、質疑応答 復習:課題を完成させる 100
9週 教師あり学習2 講義、演習、質疑応答 復習:課題を完成させる 100
10週 教師なし学習1 講義、演習、質疑応答 復習:課題を完成させる 100
11週 教師なし学習2 講義、演習、質疑応答 復習:課題を完成させる 100
12週 パラメータチューニング1 講義、演習、質疑応答 復習:課題を完成させる 100
13週 パラメータチューニング2 講義、演習、質疑応答 復習:課題を完成させる 100
14週 総括と総合課題 講義、演習、質疑応答 復習:課題レポートを完成させる 200
15週 総合課題解説と総括 講義、質疑応答