金沢工業大学 学習支援計画書
E532-01
日本語(Japanese)
||
英語(English)
学習支援計画書(シラバス) 検索システム
印刷
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
2024
年度
5期(前学期)
修学規程第4条を参照
担当教員名
坂本 真仁
*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
(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
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30GiB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)
①
M
コンピュータを用いて基本的な科学計算ができる
②
M
コンピュータを用いて基本的な数値解析ができる
③
D
コンピュータを用いてデータを可視化できる
④
D
機械学習の概要を理解してプログラムで実装できる
⑤
⑥
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
25
50
0
0
0
25
0
100
指標と評価割合
総合評価割合
25
50
0
0
0
25
0
100
総合力指標
知識を取り込む力
20
40
0
0
0
0
0
60
思考・推論・創造する力
5
10
0
0
0
10
0
25
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
0
0
0
5
0
5
学習に取組む姿勢・意欲
0
0
0
0
0
10
0
10
※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
①
レ
講義内容の理解度を評価する。
②
レ
③
レ
④
レ
⑤
⑥
クイズ
小テスト
①
レ
講義内容の理解度を評価する。
②
レ
③
レ
④
レ
⑤
⑥
レポート
①
②
③
④
⑤
⑥
成果発表
(口頭・実技)
①
②
③
④
⑤
⑥
作品
①
②
③
④
⑤
⑥
ポートフォリオ
①
レ
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。
②
レ
③
レ
④
レ
⑤
⑥
その他
①
②
③
④
⑤
⑥
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、科学計算や数値解析 を行って適切にデータを分析できる。基礎的な機械学習の手法 を理解し使いこなすことができる。上記について他者に説明す る能力を有する。
コンピュータを使ってデータを可視化し、科学計算や数値解析 を行ってデータを分析できる。基礎的な機械学習の手法を理解 している。
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
200
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
200
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
200
6週
小テスト1
講義、小テスト、質疑応答
予習:これまでの内容を確認する
200
7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
200
8週
データ加工処理と可視化
講義、演習、質疑応答
復習:課題を完成させる
200
9週
教師あり学習
講義、演習、質疑応答
復習:課題を完成させる
200
10週
小テスト2
講義、小テスト、質疑応答
予習:これまでの内容を確認する
200
11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
200
12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
200
13週
パラメータチューニング
講義、演習、質疑応答
復習:課題を完成させる
200
14週
試験
講義、試験、質疑応答
予習:これまでの内容を確認する
200
15週
総括
講義、質疑応答
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。