開講年度
開講学部等
2025
理学部
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
前期後半
金3～4
講義
3.0
時間割番号
科目名[英文名]
使用言語
単位数
1041100008
データサイエンス技術Ⅱ(数理科学科)[(Data Science Technology Ⅱ)]
日本語
1
担当教員（責任）[ローマ字表記]
メディア授業
廣澤 史彦[HIROSAWA Fumihiko]
ー
担当教員[ローマ字表記]
廣澤 史彦 [HIROSAWA Fumihiko]
特定科目区分
対象学生
数理科学科・令和3年度以降入学者対象
対象年次
2～4
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)
メディア授業
×
メディア授業とは，メディアを利用して遠隔方式により実施する授業の授業時数が，総授業時数の半数を超える授業をいいます。
メディア授業により取得した単位は，卒業要件として修得すべき単位のうち60単位を超えないものとされています。
授業の目的と概要
データサイエンスの基本的な概念を学び, データサイエンスに必要な基礎的な技術と技能を身につける. 具体的には, 教師あり学習や教師なし学習等の機械学習の知識を身につける.
授業の到達目標
(1)データサイエンスと機械学習の基本的な知識を身につけている。
(2)データサイエンスと機械学習の基本的な知識を用いて、専門分野の観点から思考・判断することができる。
(3)専門分野の観点からデータサイエンスと機械学習の知識と技術を理解し、それらを使用することによって新たな価値を生み出すことに関心や意欲をもっている。
(4)専門分野の観点からデータサイエンスと機械学習の知識と技術を身につけようと自ずから努力できる。
(5)データサイエンスと機械学習に必要な基礎的な技能と技術を身につけている。
授業計画
【全体】
教師なしの手法として, クラスタリングの手法について講義する.
回帰分析と判別分析のそれぞれについて, パラメトリック・ノンパラメトリックの手法を講義する.
項目
内容
授業時間外学習
備考
第1回
機械学習１ -データについて
データ表現、データ駆動型社会、、ビックデータ、データサイエンス活用事例
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
レポート課題（学習時間の目安：2時間以上）
第2回
機械学習２ -クラスタリング
クラスター分析、距離、機械学習、クラスタリング
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
レポート課題（学習時間の目安：2時間以上）
第3回
機械学習３ -AI
AIの歴史、機械学習の基礎と展望、ニューラルネットワーク、
AIの構築・評価・再学習
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
レポート課題（学習時間の目安：2時間以上）
第4回
機械学習４ -モデル評価
深層学習、モデル評価
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
レポート課題（学習時間の目安：2時間以上）
第5回
機械学習５ -回帰分析１
機械学習、単回帰分析
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
レポート課題（学習時間の目安：2時間以上）
第6回
機械学習６ -回帰分析２
機械学習、重回帰分析、線形判断
教師あり学習、教師なし学習、強化学習
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
レポート課題（学習時間の目安：2時間以上）
第7回
機械学習７ -主成分分析、因子分析
機械学習、主成分分析、因子分析
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
レポート課題（学習時間の目安：2時間以上）
第8回
これまでの総括と期末試験
これまでの総括と期末試験
授業中に指示した学習・講義内容の復習（学習時間の目安：2時間以上）
※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: 30% D: --%
成績評価法
定期試験 40%
⼩テスト・授業内レポート 20%
宿題・授業外レポート 40%
出席率は評価の欠格条件（70％未満は評価しない）
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
9784780609592
著者名
相田紗織著
出版社
学術図書出版社
出版年
2021
備考
教科書として使用します
参考書にかかわる情報
備考
メッセージ
流行りの「データサイエンス」や「機械学習」に関連する用語・事柄を包括的に学びながら、それらの数学的意味について理解を深めてゆきましょう。
キーワード
機械学習、回帰分析
持続可能な開発目標（SDGs）
(教育)すべての人に包摂的かつ公正な質の高い教育を確保し、生涯学習の機会を促進する。
(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。
(気候変動)気候変動及びその影響を軽減するための緊急対策を講じる。
(海洋資源)持続可能な開発のために海洋・海洋資源を保全し、持続可能な形で利用する。
(陸上資源)陸域生態系の保護、回復、持続可能な利用の推進、持続可能な森林の経営、砂漠化への対処、ならびに土地の劣化の阻止・回復及び生物多様性の損失を阻止する。
関連科目
データサイエンス技術I
履修条件
連絡先
理学部１号館１３５号室
hirosawa@yamaguchi-u.ac.jp
オフィスアワー
いつでも（必要に応じてメールで問い合わせてください）
ページの先頭へ