科目名[英文名]
数理・データサイエンス基礎及び演習[Introduction and Practicum for Mathematical Data Science]
担当教員[ローマ字表記]
中山 晶一朗
[
NAKAYAMA, Shoichiro
],
和田 啓吾
[
WADA, Keigo
]
科目ナンバー
CS2104B
科目ナンバリングとは
時間割番号
12004
科目区分
-----
講義形態
演習
開講学域等
融合学域
適正人数
-----
開講学期
Q3
曜日・時限
金3〜4
単位数
2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2号館 D10講義室(講義形態については,全学の方針に従い,適宜変更する.)
開放科目
-----
備考
-----
授業の主題
データサイエンスの基礎となる数理的内容についてしっかりと学ぶ.そして,アンケート調査及びその調査票設計,エクセルなどを用いてデータを集計する方法について学ぶ.さらに,データから要因を特定したり,仮説を統計的に検定する方法について学ぶ.
学修目標(到達目標)
数理・データサイエンティストの基礎的な内容について修得する
・データサイエンスの基礎となる数理
・アンケート調査設計とデータの集計
・データの構造や要因の特定,統計的仮説検定
授業概要
第1回:微分積分及び線形代数学の基礎(和田)
第2回:1変数関数の微分(和田)
第3回:2変数関数の微分(偏微分)(和田)
第4回:行列演算(和田)
第5回:逆行列・行列式(和田)
第6回:行列の階数とベクトルの独立・従属(和田)
第7回:連立一次方程式の解法(和田)
第8回:データサイエンスのイントロと最新応用例(中山)
第9回:データの収集とアンケート調査設計(中山)
第10回:ヒストグラム,いろいろなグラフ,クロス集計(中山)
第11回:平均・期待値,分散・標準偏差,散布図,外れ値(中山)
第12回:相関と相関係数,標本調査(中山)
第13回:確率変数と確率分布(中山)
第14回:正規分布と二項分布(中山)
第15回:区間推定(中山)
第16回:統計的検定(中山)
評価方法と割合
評価方法
次項の項目及び割合で総合評価し、次のとおり判定する。
「S(達成度90%~100%)」、「A(同80%~90%未満)」、
「B(同70%~80%未満)」、「C(同60%~70%未満)」を合格とし、
「不可(同60%未満)」を不合格とする。(標準評価方法)
評価の割合
レポート評価60%
出席態度40%(自発的に発表をしたり,課題を探索するのか,講義・演習・発表会中に積極的に発言しているのか,議論に加わるなど積極的に講義に参加しているのか,予習や復習など適切に行っているのか,演習など適切に実施しているのかなど)
ルーブリック
【授業別ルーブリック】
評価項目
評価基準
特に優れている
優れている
良好である
可である
合格に達していない
データサイエンスの基礎となる数学の理解
データサイエンスの基礎となる数学の理解が特に優れている
データサイエンスの基礎となる数学の理解が優れている
データサイエンスの基礎となる数学の理解が良好である
データサイエンスの基礎となる数学の理解が合格レベルに達している
データサイエンスの基礎となる数学の理解が不十分である
データの集計やその要因分析
データの集計やその要因分析の修得が特に優れている
データの集計やその要因分析の修得が優れている
データの集計やその要因分析の修得が良好である
データの集計やその要因分析の修得が合格レベルに達している
データの集計やその要因分析の修得が不十分である
統計的仮説検定の理解
統計的仮説検定についての理解が特に優れている
統計的仮説検定についての理解が優れている
統計的仮説検定についての理解が良好である
統計的仮説検定についての理解が合格レベルに達している
統計的仮説検定についての理解が不十分である
授業時間外の学修に関する指示
予習に関する指示
講義内容に関連する部分について事前に予習しておくことが望ましい.事前視聴などの指示がある場合は講義・演習前までに視聴をしておくこと.
予習に関する教材
復習に関する指示
例題等を解くなどして講義内容の理解の深化と定着に努める.課題や宿題など指示があった場合は確実に行うこと.
復習に関する教材
教科書・参考書
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)
講義中もしくは講義直後に質問することが望ましい.
履修条件
特になし
特記事項
特になし
ページの先頭へ