タイトル

開講年度 開講学部等
2026 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
後期集中 集中 演習  
時間割番号 科目名[英文名] 使用言語 単位数
1042300010 化学データサイエンス技術演習[Data science for chemistry course] 日本語 2
担当教員（責任）[ローマ字表記] メディア授業
鈴木　康孝[SUZUKI Yasutaka] ー
担当教員[ローマ字表記]
鈴木　康孝　[SUZUKI Yasutaka]
特定科目区分   対象学生 化学科学生対象 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)
授業の目的と概要
化学データサイエンス技術(DP1 (3), DP2 (3))で学んだ知識の定着を図り、データ解析とデータ可視化手法を活用するために、MATLABを使ってさまざまなデータ解析とデータ可視化手法を演習する。(CP1 (4))
授業の到達目標
MATLABを用いてグラフが作成できる。
MATLABを使ってデータ解析ができる。
MATLABのプログラミングができる。(DP2(3))

知識・理解の観点 さまざまなデータ解析手法を理解し、化学データの解析と可視化に活用できる。(DP2 (2, 3,4))
思考・判断の観点 どのような解析手法や可視化方法を使えばよいか判断ができる。(DP2 (2, 3,4))
関心・意欲の観点 さまざまなデータ解析手法やデータの可視化方法に関心を持つ。(DP2 (2, 3,4))
態度の観点 データ解析やデータの可視化によって、データへの理解が深まることや新たな発見につながることに気づき、データサイエンスの重要性を感じる。(DP2 (2, 3,4))
技能・表現の観点 MATLABを使ったデータ解析と可視化ができる。(DP2 (2, 3,4))
授業計画
【全体】
ソート、サーチなどのアルゴリズム、また、それらを用いた解析手法について説明をしながら、実際にMATLABを使ってプログラミングによるデータ解析の演習をします。また、課題に対してデータ解析を行い、解析結果のプレゼンテーションも行います。
項目 内容 授業時間外学習 備考
第1回 はじめに MATLABの基本的な使い方、計算方法、データの入出力方法、プログラミングの基礎となるアルゴリズム(フローチャート)を学ぶ。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第2回 データの可視化 2次元プロット、３次元プロット、散布図、ヒストグラムなど、データの可視化方法を学ぶ。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第3回 プログラミングと統計解析 並び替え(ソート)、探索(サーチ)を含むMATLABのプログラミングを学ぶ。平均値、中央値、分散、相関係数などの統計解析方法を学ぶ 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第4回 データの可視化と統計解析の演習 化学実験のデータの可視化と統計解析処理を行う。 可視化と統計解析方法について、4時間程復習する。
第5回 最適化 関数の最小値を探す最適化の方法を学ぶ。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第6回 回帰分析（教師あり学習） 多項式フィッティング、非負フィッティング、重回帰分析、スパースモデリングなどの回帰分析法を学ぶ 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第7回 分類分析（教師あり学習） 線形判別やサポートベクターマシンなどの分類分析法を学ぶ 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第8回 回帰分析と分類分析の演習 化学実験のデータの回帰分析と分類分析を行う。 回帰分析と分類分析について、4時間程復習する。
第9回 周波数解析 フーリエ変換を用いた周波数解析を学ぶ。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第10回 信号解析 周波数フィルタリング、相関関数などの信号解析を学ぶ。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第11回 画像解析 画像の取り扱いと画像解析、特徴抽出を学ぶ。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第12回 周波数解析、信号解析、画像解析の演習 化学実験のデータの周波数解析、信号解析、画像解析を行う。 周波数解析、信号解析、画像解析について、4時間程復習する。
第13回 教師なし学習 クラスタリング、主成分分析を学ぶ。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第14回 課題解決型学習（課題の設定） 自分の研究データ解析の利用を検討する。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第15回 課題解決型学習（解析） 自分の研究データの解析を行う。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
第16回 課題解決型学習（結果の報告） 研究データの解析結果をプレゼンテーションする。 化学データサイエンス技術の内容を2時間程度確認しておく。学んだことを活用できるように2時間程復習する。
※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
レポート100%
教科書にかかわる情報
備考
必要に応じて配布する。
参考書にかかわる情報
備考
メッセージ
化学の分野で行われる実験に関するデータの解析方法について、演習を通して学習していきましょう。
キーワード
データ解析、機械学習
持続可能な開発目標（SDGs）

  • 貧困をなくそう
  • 飢餓をゼロに
  • 質の高い教育をみんなに
  • ジェンダー平等を実現しよう
  • 安全な水とトイレをみんなに
  • エネルギーをみんなに そしてクリーンに
  • 働きがいも経済成長も
  • 産業と技術革新の基盤をつくろう
  • つくる責任つかう責任
(貧困)あらゆる場所のあらゆる形態の貧困を終わらせる。
(飢餓)飢餓を終わらせ、食料安全保障及び栄養改善を実現し、持続可能な農業を促進する。
(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。
(ジェンダー)ジェンダー平等を達成し、すべての女性及び女児の能力強化を行う。
(水・衛生)すべての人々の水と衛生の利用可能性と持続可能な管理を確保する。
(エネルギー)すべての人々の、安価かつ信頼できる持続可能な近代的エネルギーへのアクセスを確保する。
(経済成長と雇用)包摂的かつ持続可能な経済成長及びすべての人々の完全かつ生産的な雇用と働きがいのある人間らしい雇用（ディーセント・ワーク）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。
(持続可能な生産と消費)持続可能な生産消費形態を確保する。
関連科目
履修条件
化学科対象
連絡先
理学部435室
オフィスアワー
随時質問を受け付けます。

ページの先頭へ