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
後期 木7～8 講義 3.0
時間割番号 科目名[英文名] 使用言語 単位数
1002240001 総合科目Ｂ２(データサイエンス応用基礎Ⅱ)[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」、「データサイエンス応用基礎Ⅰ」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Ⅱ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
・自らの専門分野に数理・データサイエンス・AIを応用するための大局的な視点
・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週から第６週まではデータサイエンスの技術について学ぶ。第７週と第８週はデータを収集し加工するためのデータエンジニアリングを学ぶ。第９週から第１４週まではオープンデータを使って自ら課題を設定し，データの分析やモデルを構築し、その成果発表するPBL演習を行う。第１５週は全体を振り返り、データサイエンスを用いて現場にフィードバックするための方法について考えるまとめを行う。
項目 内容 授業時間外学習 備考
第1回 機械学習1 クラスタリング(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2回 機械学習2 クラスタリング(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3回 機械学習3 人工知能 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 機械学習4 モデル評価 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 機械学習5 モデル評価 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 機械学習6 主成分分析と因子分析
 		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 データ収集 インターネット等からのデータ収集方法を学ぶ 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 データ加工 収集したデータの加工方法を学ぶ 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9回 PBL演習　企画（課題定義 ・課題解決方法の検討、仮説立案 ・分析設計、AI技術選定） オープンデータを使って自ら課題を設定し，データの分析やモデルを構築し、その成果発表を行う。第9～10週では、企画（課題定義 ・課題解決方法の検討、仮説立案 ・分析設計、AI技術選定）を行う。 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 PBL演習　企画（課題定義 ・課題解決方法の検討、仮説立案 ・分析設計、AI技術選定） オープンデータを使って自ら課題を設定し，データの分析やモデルを構築し、その成果発表を行う。第9～10週では、企画（課題定義 ・課題解決方法の検討、仮説立案 ・分析設計、AI技術選定）を行う。 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 PBL演習　実施（データ収集およびデータ加工 ・データ分析の実施） オープンデータを使って自ら課題を設定し，データの分析やモデルを構築し、その成果発表を行う。第11～12週では、実施（データ収集およびデータ加工 ・データ分析の実施）を行う。 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 PBL演習　実施（データ収集およびデータ加工 ・データ分析の実施） オープンデータを使って自ら課題を設定し，データの分析やモデルを構築し、その成果発表を行う。第11～12週では、実施（データ収集およびデータ加工 ・データ分析の実施）を行う。 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 PBL演習　実施（データ収集およびデータ加工 ・データ分析の実施） オープンデータを使って自ら課題を設定し，データの分析やモデルを構築し、その成果発表を行う。第13～14週では、評価（データ・AI活用結果の共有 ・データ・AI活用結果の評価、 改善事項の確認）を行う。 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 PBL演習　評価（データ・AI活用結果の共有 ・データ・AI活用結果の評価、 改善事項の確認） オープンデータを使って自ら課題を設定し，データの分析やモデルを構築し、その成果発表を行う。第13～14週では、評価（データ・AI活用結果の共有 ・データ・AI活用結果の評価、 改善事項の確認）を行う。 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 まとめ 全体を振り返り、データサイエンスを用いて現場にフィードバックするための方法について考える。 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）
※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: 10%　B: 5%　C: 10%　D: 5%
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Ⅰ
履修条件
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Ⅰ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