タイトル

科目名[英文名] データサイエンスの技術(国際学類学生対象)[Data Science Technology] 
担当教員[ローマ字表記] 森 俊也 
科目ナンバー -----  科目ナンバリングとは
時間割番号 10070.3  科目区分 ----- 
講義形態 講義  開講学域等 人間社会学域 
適正人数 75人  開講学期 Q4 
曜日・時限 金3  単位数 1単位 
授業形態 対面のみ  60単位上限 対象外 
対象学生 ----- 
キーワード ----- 
講義室情報 総合教育講義棟 B1講義室(対面のみ) 
開放科目 ----- 
備考 ----- 

授業の主題
機械学習、統計学といった、広い範囲のコンピュータ諸分野の技術にかかわる、データサイエンスの知識を総合的に概観する。
 
学修目標(到達目標)
データサイエンスは機械学習・統計学だけではなく、非常に広い範囲のコンピュータサイエンス諸分野に関連する、取扱範囲が大きな分野である。本講座では初学者がデータサイエンスを理解するうえで必要となる基礎知識全般について考察する。ソフトウェア技術、アルゴリズム、統計学の知識といった基礎的なコンピュータリテラシーのみならず、機械学習やディープラーニング、さらには最近話題となることが多いビッグデータといった話題についても考察する。
データサイエンティストは次の5種に分類される。データアナリスト(分析者)、データエンジニア(データ整備人)、機械学習エンジニア(開発者・技術者)、コンサルタント(プランナー)、データアーキテクト(モデラー)である。我々は最終的には文科系のデータサイエンティストである、コンサルタント、データアーキテクト、またはデータアナリストを目指し、データサイエンスの概要を学んでいく。なかには統計学において見たこともないような難しい数式に挑むこともあるだろう。しかしながら、元来、統計学はギャンブルという人間の根源から派生した学問である。文科系から発生した学問であるので諸君に無関係とは言えないだろう。難しく考えずにトライしてみてほしい。
 
授業概要
統計学、機械学習、ディープラーニングやプログラミングの基礎を学ぶことにより、データサイエンティストとしての基礎知識を獲得し、将来に備える。
 
講義スケジュール
講義回テーマ具体的な内容担当教員
1データサイエンスの基礎技術  
2プログラミング1  
3プログラミング2  
4機械学習  
5統計学の基礎1  
6統計学の基礎2  
7ディープラーニング1  
8ディープラーニング2と期末試験  
 

評価方法と割合
評価方法
授業参加状況と共にレポート提出・試験を総合的に勘案して査定する
 
評価の割合
授業への貢献20%、レポート点30%、試験点50%
 
授業時間外の学修に関する指示
予習に関する指示
予習は必要としない
 
予習に関する教材
 
復習に関する指示
復習を適宜適切に行うこと
 
復習に関する教材
 
教科書・参考書
教科書・参考書補足
特になし
 
オフィスアワー等(学生からの質問への対応方法等)
随時アカンサスのメールにて対応する
 
履修条件
特に設けない
 
適正人数
90人以内(国際学類75名,他15名)
 
受講者調整方法
定員を超える場合は,抽選を行う。
国際学類学生を優先する
 
その他履修上の注意事項や学習上の助言
自由に使える自身のノートパソコンを、できるだけ所持することが望ましい
 
特記事項
特記事項
特になし
 

ページの先頭へ