山口大学教務システム - 1071710142-データサイエンス技術

開講年度	開講学部等
2025	農学部
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		7.5
時間割番号	科目名[英文名]			使用言語	単位数
1071710142	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
荊木康臣[IBARAKI Yasuomi]					ー
担当教員[ローマ字表記]
荊木康臣　[IBARAKI Yasuomi]
特定科目区分	STEAM関連科目	対象学生	両学科	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

データサイエンス技術の基礎（原理）を解説し、授業中の演習を通じて、農学分野において必要となるデータサイエンス技術の手法の理解をめざす。自分それらの手法を活用するための能力を身に着ける。

授業の到達目標

農学分野で必要となるデータサイエンス技術の基本的な手法の原理を説明できる。
目的に応じて、どのようにデータを取得するのか、取得したデータをどのように解析すればよいかを判断できる。
農学分野におけるデータの重要性を理解し、自分の専門分野において積極的に活用する。
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礎として、統計数理基礎、データ分析と可視化、機械学習・クラスタリング、人工知能と呼ばれる解析技術を解説するとともに、主に農学分野に発生するデータを用いて、簡単な演習を行う。

	項目	内容	授業時間外学習	備考

第1回	統計数理基礎１	データサイエンスの必要性、データの表現法、集団の代表値	予習、復習に4時間以上

第2回

統計数理基礎２

度数分布、ベイズの定理

予習、復習に4時間以上

第3回

統計数理基礎３

統計的推測・相関分析

予習、復習に4時間以上

第4回

統計数理基礎４

区間推定・検定

予習、復習に4時間以上

第5回

データの分析と可視化１

グラフ化

予習、復習に4時間以上

第6回

データの分析と可視化２

データの前処理、標準化、正規化、欠損値、外れ値

予習、復習に4時間以上

第7回

データの分析と可視化３

データ分析のプロセス、時系列データ

予習、復習に4時間以上

第8回

データの分析と可視化３

集計、クロス集計、階級

予習、復習に4時間以上

第9回

機械学習・クラスタリング１

クラスター分析、距離

予習、復習に4時間以上

第10回

機械学習・クラスタリング２

教師学習なしのクラスター分析、階層クラスター分析

予習、復習に4時間以上

第11回

機械学習・クラスタリング３

人工知能、決定木、SVM

予習、復習に4時間以上

第12回

機械学習・クラスタリング４

モデル評価、深層学習

予習、復習に4時間以上

第13回

機械学習・クラスタリング５

教師あり学習の回帰分析、判別分析

予習、復習に4時間以上

第14回

機械学習・クラスタリング６

主成分分析、因子分析

予習、復習に4時間以上

第15回

まとめ

これまでの手法の復習

予習、復習に4時間以上

第16回

期末試験

理解度を問う

準備に4時間以上

※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】