開講年度
開講学部等
2025
工学部
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
前期集中
集中
講義
時間割番号
科目名[英文名]
使用言語
単位数
1061239020
データサイエンス技術Ⅱ[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
鈴木 春菜[SUZUKI Haruna]
○
担当教員[ローマ字表記]
鈴木 春菜 [SUZUKI Haruna]
特定科目区分
対象学生
社会建設工学科
対象年次
3~
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、機械学習(教師あり学習、教師なし学習)の方法について学ぶ。
授業の到達目標
【知識・理解の観点】 データサイエンスの基本的な知識を身につけている。
【関心・意欲の観点】 データサイエンスの知識と技術を用いて、それぞれの専門分野で新たな価値を生み出すことに関心や意欲をもっている。
【技能・表現の観点】 データサイエンス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】
教科書とオンライン教材(講義動画・演習問題など)を用いて、期日までに学習を行う。
項目
内容
授業時間外学習
備考
第1回
ガイダンス
機械学習1:クラスタリング1
クラスター分析の概論、データ解析における距離について解説します。
授業内容を復習し、演習問題のやり残しがある場合には期限までに完遂する(学修時間の目安:4時間)。
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、階層クラスター分析について学びます。
授業内容を復習し、演習問題のやり残しがある場合には期限までに完遂する(学修時間の目安:4時間)。
第3回
機械学習3:人工知能
人工知能、機械学習、SVM、決定木について学びます。
授業内容を復習し、演習問題のやり残しがある場合には期限までに完遂する(学修時間の目安:4時間)。
第4回
機械学習4
モデル評価について学びます。具体的には、モデルの性能を評価するための検証方法、深層学習についてです。
授業内容を復習し、演習問題のやり残しがある場合には期限までに完遂する(学修時間の目安:4時間)。
第5回
機械学習5
教師あり学習の回帰分析、判別分析について学びます。
授業内容を復習し、演習問題のやり残しがある場合には期限までに完遂する(学修時間の目安:4時間)。
第6回
機械学習6
教師なし学習の主成分分析について学びます。
授業内容を復習し、演習問題のやり残しがある場合には期限までに完遂する(学修時間の目安:4時間)。
第7回
機械学習7
因子分析について学びます。
授業内容を復習し、演習問題のやり残しがある場合には期限までに完遂する(学修時間の目安:4時間)。
第8回
期末試験
期末試験
なし
※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
学期末のテスト 100%
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 山口大学データサイエンスライブラリ(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
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。
関連科目
データ科学と社会I, II
確率統計
建設情報基礎工学
土木計画学
土木計画学演習及びデータサイエンス技術に関する演習
データサイエンス技術Ⅰ
など。
履修条件
連絡先
鈴木 春菜 suzuki-h@yamaguchi-u.ac.jp
オフィスアワー
鈴木:水曜日10:30〜12:00(事前確認推奨)
ページの先頭へ