山口大学教務システム - 1061520770-データサイエンス技術演習

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
前期後半	金5～8	講義	10.0
時間割番号	科目名[英文名]			使用言語	単位数
1061520770	データサイエンス技術演習[Practice in Data Science Technology]			日本語	2
担当教員（責任）[ローマ字表記]					メディア授業
藤田悠介[FUJITA Yusuke]					ー
担当教員[ローマ字表記]
藤田悠介　[FUJITA Yusuke]
特定科目区分		対象学生	知能	対象年次	2～
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

Pythonを使ったより実践的な演習により，データサイエンス技術の理解を深める。Pythonを使った基本的なプログラムの書き方，データの取得，読み込み，データ操作について習得する。Pythonのライブラリを使用して，確率統計の手法，特に，機械学習（教師あり学習，教師なし学習）の手法の使い方を習得する。グループワークでは，自ら課題を設定し，データの分析やモデルの構築ができる。課題の取り組みの成果を報告する。

授業の到達目標

・データサイエンスの基本的な概念を理解し，データ処理，確率統計，機械学習（教師あり学習，教師なし学習）の基本的な手法について説明できる。
・Pythonのライブラリを使用して，データ取得，読み込み，データ操作をすることができ，確率統計，機械学習（教師あり学習，教師なし学習）の手法を使うことができる。
・実社会のデータに興味を持ち，その活用について考えることができる。
・自ら課題を設定し，データの分析やモデルの構築ができる。
・課題への取り組みの成果をわかりやすく報告することができる。

授業計画

【全体】

第1週に，演習全体に関する説明を行う。第1週～第5週に，個人で各テーマの演習に取り組む。第6週，第7週では，グループで実データを使用した課題に取り組む。第8週に，グループワークでの成果を発表する。実社会のデータを分析し，活用するためのデータサイエンス技術を応用するための基礎を養う。

	項目	内容	授業時間外学習	備考

第1回	概要説明とパターン認識系，データ表現（画像データ）	本演習の概要を説明する。パターン認識の処理系（観測系，前処理系，特徴抽出系，識別系）について説明する。画像データ（データ表現）について説明する。カラー画像，グレースケール画像の形式と扱い方について説明する。プログラミングの基礎を復習する。	演習全体の計画を確認する。今回の内容を復習し，演習のレポートを作成する（4時間）。次回の内容を予習（4時間）する。

第2回

データ分布の可視化（次元圧縮，クラスタリング）と特徴抽出）

主成分分析やクラスタリングにより，画像データの分布を可視化する。
画像から特徴抽出を行い，特徴抽出によりデータ分布が変わることを確認する。

今回の内容を復習し，演習のレポートを作成する（4時間）。次回の内容を予習（4時間）する。

第3回

モデル設計

教師あり学習の代表的なモデルを設計する。決定木，ランダムフォレスト，SVMなどのモデルについて説明する。
パラメータを変えて識別境界が変わる様子を可視化して確認する。

今回の内容を復習し，演習のレポートを作成する（4時間）。次回の内容を予習（4時間）する。

第4回

モデルの性能評価とパラメータチューニング

モデルの設計と性能評価の流れを理解する。混同行列，Accuracy，Precision，Recall，ROC曲線，AUCなどを計算し確認する。
データの特性に応じて評価指標を使い分けることを理解する。

今回の内容を復習し，演習のレポートを作成する（4時間）。次回の内容を予習（4時間）する。

第5回

データクレンジング

データクレンジング（外れ値・異常値の検出）を行う。
モデルの再構築・評価を行う。

今回の内容を復習し，演習のレポートを作成する（4時間）。次回のグループワークでの課題について準備（4時間）する。

第6回

グループワーク１

オープンデータを使った演習を行う。グループで課題を設定し，計画，分担を決める。課題について取り組む。

グループワークでの課題の取り組みについて，報告会の資料と報告書を作成する（8時間）。

第7回

グループワーク２

オープンデータを使った演習を行う。グループで課題にり組む。課題の取り組みについて資料を作成する。

グループワークでの課題の取り組みについて，報告会の資料と報告書にまとめる（8時間）。

第8回

成果報告会，総括

グループで取り組んだ課題の成果を発表する。

演習全体の内容について復習する（8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: 20%　B: 20%　C: 50%　D: 10%

成績評価法

演習の課題レポートと，グループワークのプレゼン，最終レポートにより総合的に判断する。
演習（実験）を含む科目であるため，原則として欠席したものに対しては，単位を認めない。
すべて出席（公休・病欠(医師の診断書付)を除く）したことを前提に，受理したレポートを採点する。
最終成績が60％以上を合格とする。なお，評価基準は以下の通りとする。

1.授業への積極的な参加(10％)

2.各課題の計画的実施と報告(60％)
(1) 計画的な課題実施と報告
(2) 報告内容の適切さ

3.プレゼン・最終報告書(30％）
(1) 適切なフォーマットでの報告
(2) 報告内容の適切さ

教科書にかかわる情報

備考

講義等で連絡します。

参考書にかかわる情報

参考書	書名	東京大学のデータサイエンティスト育成講座 : Pythonで手を動かして学ぶデータ分析				ISBN	4839965250
参考書	著者名	塚本邦尊, 山田典一, 大澤文孝著	出版社	マイナビ出版				出版年	2019

参考書	書名	データサイエンス技術				ISBN	9784780609592
参考書	著者名	相田紗織著	出版社	学術図書出版社				出版年	2021

備考

メッセージ

毎回，ノートパソコンを使用して演習を行うため，必ず持参してください。

キーワード

データサイエンス，データ分析，可視化，統計，確率，検定，人工知能，AI，機械学習，回帰，分類，クラスタリング，Python

持続可能な開発目標（SDGs）

(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。

メディア授業