タイトル

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 水1～2 講義  
時間割番号 科目名[英文名] 使用言語 単位数
1061729000 データサイエンス技術[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
隅本 倫徳[SUMIMOTO Michinori] ー
担当教員[ローマ字表記]
隅本 倫徳　[SUMIMOTO Michinori]
特定科目区分   対象学生 循環 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
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、データサイエンスの基礎となる統計数理基礎、統計的推測・統計的検定を学んだ後、データ分析と可視化の方法について学ぶ。さらに、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
データサイエンスの基本的な知識を身につけている。 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。 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】
統計数理基礎、統計的推測・統計的検定、データ分析と可視化、クラスタリング、機械学習について学ぶ
詳細については、週単位の授業内容を参照すること。
項目 内容 授業時間外学習 備考
第1回 統計数理基礎
・データの記述 		平均値，中央値，分散，標準偏差，標本誤差，標準正規分布，相関関係，因果関係，名義尺度，順序尺度，間隔尺度，比例尺度 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第2回 統計数理基礎
・確率と確率分布 		確率分布（二項分布，ポアソン分布，正規分布，対数正規分布，カイ二乗分布，ｔ分布，Ｆ分布），ピアソンの相関係数，クラメールの連関係数 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第3回 統計的推測・統計的検定
・推測，予測，検定，判断  		単回帰分析（最小二乗法，回帰係数，標準誤差），帰無仮説・対立仮説，t検定，カイ二乗検定，フィッシャーの直接確率検定，ベイズ 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第4回 データ分析と可視化
・データのグラフ化 		グラフ化の目的（比較，割合，推移，関係性，地理的分布），ヒストグラム，散布図，折れ線グラフ，棒グラフ，円グラフ，積み上げグラフ，バブルチャート，表現方法（強調表現）と注意点（グラフの書き方） 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第5回 データ分析と可視化
・データ加工処理 		標準化，データ加工処理，重複データ，欠損値，欠損値の扱い方 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第6回 データ分析と可視化
・時系列データ 		時系列データの処理と変換，移動平均 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第7回 データ分析と可視化
・クロス集計表 		クロス集計表，表の書き方，相対度数，量的データと質的データの場合 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第8回 データ分析と可視化
・主成分分析と因子分析 		主成分分析と因子分析の目的，分析方法 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第9回 データ分析と可視化
・意味抽出の概念 		外れ値，異常値の判断，データから特異性，相違性，傾向性，関連性を見出す 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第10回 データ分析と可視化
・意味抽出の技術 		分析，図表から，データの意味合い（バラツキ，有意性，分布傾向，特異性，関連性，変曲点，関連度）を抽出，分析結果の見せ方 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第11回 クラスタリング 教師あり学習の分類モデルと教師なし学習のグループ化の違い，判別分析，クラスター分析，階層クラスター分析と非階層クラスター分析の違い 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第12回 クラスタリング 階層クラスター分析と非階層クラスター分析，階層クラスター分析におけるデンドログラム，k-means法，エルボー法，シルエット分析 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第13回 機械学習
・教師あり学習 
 		機械学習（教師あり学習，教師なし学習，強化学習），機械学習のモデルの適用例，重回帰分析，決定木，ランダムフォレスト，サポートベクターマシーン，過学習 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第14回 機械学習
・モデル評価 		ROCカーブ，混同行列，評価尺度（MSE，Accuracy，Precision，Recall，F値 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第15回 まとめ 習ったこと全般に対してまとめと復習を行う 授業計画に沿って、準備学習 2 時間と復習 2 時間を目安に行う。必ずしも毎回の授業に対して必要とするものではありません。
第16回 期末試験 筆記試験 第１～１５回の授業内容を復習すること
※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
授業内の課題、学期末の筆記テストで評価します。
課題　20%、学期末の筆記テスト 80％
教科書にかかわる情報
備考
教科書として、講義資料（デジタル版）をその都度配布します。
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）

  • 産業と技術革新の基盤をつくろう
(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
履修条件
連絡先
隅本倫徳
sumimoto@yamaguchi-u.ac.jp
オフィスアワー
在室時に随時対応しますが、極⼒事前にメールで連絡するようにしてください。

ページの先頭へ