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
後期 集中    
時間割番号 科目名[英文名] 使用言語 単位数
1062339000 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
川本 拓治[KAWAMOTO Takuji] ○
担当教員[ローマ字表記]
川本 拓治　[KAWAMOTO Takuji]
特定科目区分   対象学生 応化 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)
授業の目的と概要
データサイエンスの基本的概念およびデータ分析の基礎的な技術を身につける。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、機械学習（教師あり学習、教師なし学習）について学習する。
授業の到達目標
データサイエンスの基本的な概念を理解する。
統計数理基礎、統計的推測・統計的検定の基本的な概念を理解する。
データ分析と可視化の基本的な概念を理解する。
機械学習（教師あり学習、教師なし学習）の基本的な概念を理解する。演習によって、講義で学んだ内容を実践できるようにする。実社会のデータに興味を持ち、その活用について考える。課題、レポートに積極的に取り組む。データを分析できる。
データを可視化できる。
授業計画
【全体】
データサイエンスの基本的概念について学ぶ。
データサイエンス、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、機械学習（教師あり学習、教師なし学習）について行う。
演習の時間を設けて講義の理解を図る。
項目 内容 授業時間外学習 備考
第1回 データサイエンス、統計数理基礎1 データの記述
 		オンデマンドで講義を行うので、Moodleを確認すること。復習（2時間）を行う。講義内でできなかった場合、次回までにプログラミング環境構築を行う。
第2回 統計数理基礎2 確率と確率分布 オンデマンドで講義を行うので、Moodleを確認すること。プログラミング環境構築の確認を行う。予習（2時間）、復習（2時間）を行う。
第3回 統計数理基礎3、統計的推測・統計的検定1 推測、予測、検定、判断 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第4回 統計的推測・統計的検定2 統計的推測・統計的検定 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第5回 データ分析と可視化1 データの可視化 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第6回 データ分析と可視化2 データの可視化 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第7回 データ分析と可視化3 意味抽出 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第8回 データ分析と可視化4 クロス集計表 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第9回 機械学習1 クラスタリング1 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第10回 機械学習2 クラスタリング2 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第11回 機械学習3 人工知能 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第12回 機械学習4 モデル評価 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第13回 機械学習5 回帰分析、判別分析 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第14回 機械学習6 主成分分析と因子分析 オンデマンドで講義を行うので、Moodleを確認すること。予習（2時間）、復習（2時間）を行う。
第15回 総括 全体を総括する。 オンデマンドで講義を行うので、Moodleを確認すること。予習として第1回～第14回の内容を復習してくること（2時間）、復習（2時間）を行う。
第16回 期末試験 講義の内容の理解度を確認する。 講義全体の内容を復習する。
※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
小テスト10%，レポート45％，期末テスト45%
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 ISBN 9784780610109
著者名 相田紗織 出版社 学術図書出版社 出版年 2023
備考
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
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 詳細!Python3入門ノート ISBN 4800711673
著者名 大重美幸著 出版社 ソーテック社 出版年 2017
備考
メッセージ
講義はmoodleによる，オンデマンドです。
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）

  • 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
確率統計、人工知能、データサイエンス技術演習、データサイエンス実践
履修条件
連絡先
tak102@yamaguchi-u.ac.jp
オフィスアワー
質問等は、メールにより随時受け付けます。

ページの先頭へ