科目名[英文名]
Pythonデータ分析入門[Introduction to Python Data Analysis]
担当教員[ローマ字表記]
東 昭孝
[
HIGASHI, Akitaka
]
科目ナンバー
-----
科目ナンバリングとは
時間割番号
73621.01
科目区分
-----
講義形態
講義その他
開講学域等
共通教育
適正人数
40人
開講学期
Q3
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
全学生
キーワード
Python言語、データ分析、データサイエンス、ビッグデータ、人工知能、プログラミング
講義室情報
総合教育講義棟 C3講義室（対面のみ）
開放科目
-----
備考
実務経験のある教員による授業科目
授業の主題
近年の情報化社会において、人工知能の発展もあり、一般社会においてもデータを分析する機会が増えている。
日常生活では、多くのシステムが利用されており、様々な多種多様なデータが蓄積されている。
大量のデータは、ビッグデータと呼ばれており、巨大で複雑なデータの集合を表す用語である。
集まったデータをもとに、データ分析により、推測したり予測を行うことで、物事の因果関係を分析したり、シミュレーションを行ったりすることが可能になる。
解析した内容から、アイデアを生み出したり、ある仮説を立てたり、マーケティング等に利用することで、企業のビジネスに活かせることも多くなってきている。
それに伴い、多くのデータから何かを導こうとするデータサイエンスの存在感が増してきている。
現在、データ分析を行う職業はデータサイエンティストと呼ばれているが、専門的なデータ分析が可能な人材が不足しており、世界中で人材が不足している。
この授業では、プログラム言語としてPython言語を利用して、サンプルデータを用いて、データ分析の実習を行い、データサイエンティストの基礎的な知識を身につける。
利用環境は、Google Colaboratory上のJupyter Notebook環境で、Python言語を順次実行して行う。
授業の後半では、TensorFlow（テンサーフロー)を利用して、人工知能（AI）で利用されている機械学習により、人工知能の原理についても学習する。TensorFlowとは、Googleが開発しオープンソースで公開している機械学習用のソフトウェアライブラリである。
学修目標（到達目標）
Python言語を使ったデータ分析を中心に、初心者向けのデータ分析の手法を学習する。
データサイエンティストとは、どのようなものか学習しながら学ぶ。
授業概要
利用環境は、Google Colaboratory上のJupyter Notebook環境で、Python言語を順次実行して行う。
サンプルデータを用いて、実際にデータ分析を行い、データからどのような結果が求められるか推測してから、実際のデータ分析を行い結果を求める。
データの分析結果は、レポートとして提出して、学生同士でピアレビューを行う。
授業の後半では、TensorFlow（テンサーフロー)を利用して、人工知能で利用されている機械学習により、人工知能の原理について学習する。
TensorFlowとは、Googleが開発しオープンソースで公開している機械学習用のソフトウェアライブラリである。
授業内容は、受講者の人数、スキル等により、実際の進行状況等に応じて、変更する場合がある．
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
・ガイダンス、用語説明、学習環境の説明
・データサイエンスのための必要なスキルや知識の説明
・Python言語の説明
・Google Colaboratory、Anacondaの説明
Google Colaboratory上のJupyter Notebook環境は、Googleアカウントが必要のため、持っていない人は事前に取得しておいてください。
2
・データ分析手法の説明
・データ分析コンテスト等の紹介
・オープンデータの説明
・統計学の初歩を説明
・サンプルを利用して、Pythonで初歩的なデータ分析・考察
3
・RESAS（地域経済分析システム）から自動データ取得
・分析例から利用するデータを決定して、仮説を立てる
4
・RESAS（地域経済分析システム）等のオープンデータから、仮説を立てて結果の推測を行う
・仮説をもとに、データ分析・視覚化（グラフ化等）を行い、法則・関連性などを導き出し、考察してレポート作成
5
・データ分析の続き
6
・ディープラーニングの説明と、サンプルで機械学習（TensorFlow）の実行
・データ分析の続き
7
・データ分析結果のピア・レビュー
・データ分析でのAI活用
・コマンドラインによるPythonの実行方法
・データ分析の続き
8
・データ分析結果のピア・レビュー
・振り返り
・最終レポート提出について
評価方法と割合
評価方法
授業内活動、レポート（分析結果等）の結果、授業中の発表内容により総合して判断
評価の割合
授業内活動・レビュー（30％）及びレポート（分析結果等）（70％）の結果より総合して判断し、100点満点で60点以上を合格とする
授業時間外の学修に関する指示
予習に関する指示
★3．オンデマンド教材以外の指示・課題
予習に関する教材
復習に関する指示
授業の中で行ったデータ分析手法を復習して、次の授業までに理解しておくこと。
復習に関する教材
教科書・参考書
教科書・参考書補足
Webで教材、資料を提供する。
オフィスアワー等（学生からの質問への対応方法等）
アカンサスポータルのメッセージ機能、メール、または教員室（学術メディア創成センター２F）
履修条件
特になし
適正人数
40人程
その他履修上の注意事項や学習上の助言
Googleアカウントは必須のため、取得しておくこと。
出席は出席管理システムで行うので、学生証を必ず持参して、授業開始前にタッチしておくこと。
特記事項
特記事項
前職のシステム開発の実務経験を活かし、実際のシステム開発のプログラム手法や進め方等を授業に反映し、データ分析における実践的なプログラム教育を行う。
ページの先頭へ