タイトル

開講年度 開講学部等
2025 共通教育
開講学期 曜日時限 授業形態 AL（アクティブ・ラーニング）ポイント
前期 火7～8 講義  
時間割番号 科目名[英文名] 使用言語 単位数
1001240002 総合科目Ｂ２(データサイエンス応用基礎Ⅰ)[Comprehensive SubjectＢ２] 日本語 2
担当教員（責任）[ローマ字表記] メディア授業
山口 真悟[YAMAGUCHI Shingo] ○
担当教員[ローマ字表記]
山口 真悟　[YAMAGUCHI Shingo], 北本 卓也　[KITAMOTO Takuya], 宇田 新介, 相田 紗織　[AIDA Saori], 末長 宏康
特定科目区分   対象学生 全学生 対象年次  
ディプロマ・ポリシーに関わる項目 カリキュラムマップ(授業科目とDPとの対応関係はこちらから閲覧できます)
授業の目的と概要
データサイエンスの基本的な概念と手法を学ぶことで、データから意味を抽出し、現場にフィードバックするための方法を理解する。
「データ科学と社会Ⅰ」と「データ科学と社会Ⅱ」を履修済みであることが望ましい。
授業の到達目標
分野横断的な学習や新しい分野等の学習により総合的・多角的な視野を身につけ、多様な社会に対応するための力を養う。

【データサイエンス応用基礎Ⅰの一般目標】
・データから意味を抽出し，現場にフィードバックする能力
・AIの基本的な概念と手法，応用例を学ぶことで，AI技術を活用し課題解決につなげる能力
授業計画
【全体】
第１週はイントロダクションとして、本科目「データサイエンス応用基礎Ⅰ」と後継科目「データサイエンス応用基礎Ⅱ」の全体像や、それらを学ぶ意義について説明する。第２週から第７週まではデータサイエンスを学ぶための基本的な数学やプログラミングについて学ぶ。第８週以降はデータサイエンスの技術について学ぶ。
項目 内容 授業時間外学習 備考
第1回 イントロダクション 授業内容の全体像や、それらを学ぶ意義などを説明する。 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第2回 データサイエンスのための線形代数 データ・AI利活用に必要な線形代数の基礎を学ぶ 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第3回 データサイエンスのための微分積分 データ・AI利活用に必要な微分積分の基礎を学ぶ 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第4回 アルゴリズムの表現 データ・AI利活用に必要なアルゴリズムの表現を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第5回 アルゴリズムの具体例 データ・AI利活用に必要なアルゴリズムの具体例を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第6回 プログラミング(1)～データの扱い方と計算 データ・AI利活用に必要なプログラミングの基礎として、データの扱い方と計算を学ぶ。
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第7回 プログラミング(2)～配列と関数～ データ・AI利活用に必要なプログラミングの基礎として、配列と関数を学ぶ。 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第8回 データサイエンス、統計数理基礎1 データの記述 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第9回 統計数理基礎2 確率と確率分布 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第10回 統計数理基礎3、統計的推測・統計的検定1 推測，予測，検定，判断 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第11回 統計的推測・統計的検定2 統計的推測・統計的検定 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第12回 データ分析と可視化1 データの可視化(1) 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第13回 データ分析と可視化2 データの可視化(2) 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第14回 データ分析と可視化3 意味抽出 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第15回 データ分析と可視化4 クロス集計表 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
※AL（アクティブ・ラーニング）欄に関する注
・授業全体で、AL（アクティブ・ラーニング）が占める時間の割合を、それぞれの項目ごとに示しています。
・A〜Dのアルファベットは、以下の学修形態を指しています。
【A：グループワーク】、【B：ディスカッション・ディベート】、【C：フィールドワーク（実験・実習、演習を含む）】、【D：プレゼンテーション】
A: --%　B: --%　C: --%　D: --%
成績評価法
小テスト 50%、レポート 50%で評価する。
出席は欠格条件とし、4 回以上の欠席は欠格とします。
教科書にかかわる情報
教科書 書名 データサイエンス技術 ISBN 9784780612561
著者名 相田紗織著 出版社 学術図書出版社 出版年 2024
備考
参考書にかかわる情報
備考
メッセージ
この授業は数理・ＤＳ・ＡＩ教育プログラム（応用基礎レベル）の必修科目です。数理・ＤＳ・ＡＩ教育プログラム（応用基礎レベル）については各学部教務係もしくは情報・データ科学教育センターにお尋ねください。パソコンを使った演習を行うので、ノートパソコンが必要なので持参してください。
キーワード
データサイエンス、AI、数学、プログラミング
持続可能な開発目標（SDGs）

  • 産業と技術革新の基盤をつくろう
(インフラ、産業化、イノベーション)強靱（レジリエント）なインフラ構築、包摂的かつ持続可能な産業化の促進及びイノベーションの推進を図る。
関連科目
データ科学と社会Ⅰ、データ科学と社会Ⅱ、データサイエンス応用基礎Ⅱ
履修条件
データ科学と社会Ⅰ、データ科学と社会Ⅱを履修済みであることが望ましい。
連絡先
情報データ科学教育センター
dsm@yamaguchi-u.ac.jp
オフィスアワー
各教員にお尋ねください。

ページの先頭へ