タイトル

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 火3～4 講義 1.5
時間割番号 科目名[英文名] 使用言語 単位数
1041300003 データサイエンス技術Ⅱ(化学科)[(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
谷　誠治[TANI Seiji] ー
担当教員[ローマ字表記]
谷　誠治　[TANI Seiji]
特定科目区分   対象学生   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)
授業の目的と概要
2年次から3年次前期には、データサイエンス教育科目を配置し、統計学や機械学習の基礎を学ばせ、データサイエンスを化学に活用するための基盤を養成する（DP1-3）とともに、化学データを管理・処理・分析し、その中に隠れている関係性を見つけるための方法論を養成します（DP2-3）。これらにより、データサイエンスの基礎知識を化学分野における具体的な課題に適用できるようにする(CP1-3)。
この講義では、データサイエンスの基礎となる教師あり学習や教師なし学習等の機械学習について学習する。
授業の到達目標
データサイエンスに必要な機械学習に関する基本的な技術と技能を身につける。
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-クラスタリング１ データ表現(数値、文章、画像、音声、動画など)、データ駆動型社会、データサイエンス活用事例、ビッグデータ(データ収集・活用事例)、AIの歴史、機械学習の基礎と展望、クラスター分析、距離 講義内容の予習と復習、レポート課題、次回講義内容の予習（４時間以上）
第2回 機械学習２-クラスタリング２ 教師なし学習のクラスター分析 講義内容の復習、レポート課題、次回講義内容の予習（４時間以上）
第3回 機械学習３-人工知能、機械学習、深層学習 教師あり学習、教師なし学習、強化学習 講義内容の復習、レポート課題、次回講義内容の予習（４時間以上）
第4回 機械学習４-モデル評価 モデルの性能評価、ニューラルネットワーク、深層学習、AIの構築、評価、再学習 講義内容の復習、レポート課題、次回講義内容の予習（４時間以上）
第5回 機械学習５-回帰分析 単回帰分析、重回帰分析 講義内容の復習、レポート課題、次回講義内容の予習（４時間以上）
第6回 機械学習６-判別分析 線形判別分析、マハラノビス距離による判別分析 講義内容の復習、レポート課題、次回講義内容の予習（４時間以上）
第7回 機械学習７-主成分分析、因子分析 主成分分析、因子分析 講義内容の復習、レポート課題（４時間以上）
第8回 総括と試験 期末試験 講義全体の内容の復習、および、期末試験の解き直し（４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: 15%　D: --%
成績評価法
小テスト　50％、学期末の筆記テスト　50％
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（第４版） ISBN 9784780612561
著者名 相田　紗織 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
キーワード
機械学習、クラスタリング、回帰分析、主成分分析、因子分析
持続可能な開発目標（SDGs）

  • 質の高い教育をみんなに
  • 産業と技術革新の基盤をつくろう
(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。
関連科目
化学データサイエンス技術演習
履修条件
連絡先
E-mail；stani at yamaguchi-u.ac.jp（' at 'には'@'を入れてください）
研究室；理学部1号館433号室
オフィスアワー
随時（講義や会議などの用事がない限りいつでもOKです。できれば、事前にメールで連絡してください。）

ページの先頭へ