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 水1～2 講義  
時間割番号 科目名[英文名] 使用言語 単位数
1062720110 情報化学[Information Chemistry] 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   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
2019年に内閣府より発表されたAI戦略にもあるように、現在は「データサイエンス教育」が重要視されている。本講義では，データサイエンスに必要不可欠な、(1)データ分析の基礎となる統計学，(2)データサイエンスの手法である統計解析および多変量解析，(3)データサイエンスの要素技術に関する説明、(4)機械学習，について述べる。
授業の到達目標
1)　データ分析の基礎を理解する
2)　統計学，統計解析および多変量解析の手法を理解する。
3)　データサイエンスに関する用語やその意味を理解する。
4)　Excelなどを利用し，データ分析が行える

1)　目的に対してどのような分析方法を使用するのか見極める力
2)　集めた情報の真偽を見極める理解力
3)　集めた情報の価値を理解できる 1)　データ分析に関する知識を得ようとする意欲
2)　データサイエンスを利活用する意欲 1)　演習等を積極的に取り組み，内容を理解しようとする態度 1)　計算ソフトを通じてデータの情報収集ができる。
2)　データ解析の手法を用いて目的変数を算出できる。
授業計画
【全体】
2019年に内閣府より発表されたAI戦略にもあるように、現在は「データサイエンス教育」が重要視されている。本講義では，データサイエンスに必要不可欠な、(1)データ分析の基礎となる統計学，(2)データサイエンスの手法である統計解析および多変量解析，(3)データサイエンスの要素技術に関する説明、(4)機械学習，について述べる。2022年度の講義形式は後日連絡する。講義開始までに「配信（Webex）」、「動画」もしくは「講義資料」で行うか、の連絡をするので確認しておく。
成績評価方法は、基本的には「講義後のレポート」および「対面での期末試験」で行うものとする。ただし、配信および動画等の資料閲覧状況は確認し、「閲覧状況を確認できない」および「レポート未提出」の場合は欠席とみなす。レポート提出については、提出期限厳守とする。
項目 内容 授業時間外学習 備考
第1回 情報化学とは 講義内容全般の概要 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第2回 計算化学と情報化学的分析法
多変量解析① 		計算化学とデータ分析の概要を説明 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第3回 多変量解析② 判別、データの要約、統計用語の説明を行う 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第4回 多変量解析③
相関分析，相関比 		相関分析、相関比の計算方法について学ぶ 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第5回 多変量解析④
相関比，クラメールの連関係数，スピアマンの順位相関係数，回帰分析 		相関比，クラメールの連関係数，スピアマンの順位相関係数，回帰分析の計算方法について学ぶ 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第6回 多変量解析⑤
単回帰分析 		単回帰分析の計算方法およびExcelでの計算方法について学ぶ 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第7回 多変量解析⑥
回帰分析の精度，回帰係数，切片，予測値の推定 		回帰分析の各項目について学ぶ 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第8回 多変量解析⑦
重回帰分析，演習
 		説明変数が2個以上ある重回帰分析について，計算方法等を学ぶ 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第9回 多変量解析⑧
まとめ，演習問題回答 		多変量解析のまとめと先週の演習問題に関する回答を行う 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第10回 データサイエンスに関する概要 データサイエンスに関する概要および用語の説明を行う 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第11回 データと前処理 データと前処理について，用語および概念の説明を行う 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第12回 モデル化と最適化，パターン認識 データサイエンスの「モデル化と最適化」および「パターン認識」について，用語および概念の説明を行う 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第13回 パターン認識，遺伝的アルゴリズム，ニューラルネットワーク データサイエンスの「パターン認識」，「遺伝的アルゴリズム」，「ニューラルネットワーク」について，用語および概念の説明を行う 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第14回 ニューラルネットワーク，ディープラーニング データサイエンスの「ニューラルネットワーク」および「ディープラーニング」について，用語および概念の説明を行う 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
第15回 まとめ データサイエンスの重要性についてまとめる 配布した講義資料や参考書を参照し準備学習 2 時間と復習 2 時間
を行う。
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、授業外レポート、学期末試験、で評価します。
課題　15％、レポート　15％、学期末試験　70％
教科書にかかわる情報
備考
Moodleにて資料等の配布を行います。
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）

  • エネルギーをみんなに そしてクリーンに
  • 産業と技術革新の基盤をつくろう
(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。
(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
機器分析、　環境物理化学Ⅱ
履修条件
連絡先
隅本：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こと。

ページの先頭へ