タイトル

開講年度 開講学部等
2025 国際総合科学部
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
後期前半 火3～4,金3～4   7.5
時間割番号 科目名[英文名] 使用言語 単位数
1091011164 AI・ビッグデータ系科目[Data Science and its Applications] 日本語 2
担当教員（責任）[ローマ字表記] メディア授業
山田 隆志[YAMADA Takashi] ー
担当教員[ローマ字表記]
山田 隆志　[YAMADA Takashi]
特定科目区分   対象学生   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礎事項を実際に計算機を用いながら学ぶ。
授業の到達目標
・データサイエンスの基礎的事項を説明できる。
・与えられたあるいは手元にあるデータをどのような手法で分析すべきかを判断でき、その結果を正しく解釈できる。
・データ分析の結果、定めるべき方針やすべき意思決定ができる。
授業計画
【全体】
まず、データサイエンスの基礎理論を解説する。その後、計算機と用いて学んだ理論を用いて、データサイエンスに関わる問題を解いていく。

(注) 以下の日程と内容は2024年度のものであり、変更の可能性があります。必ずガイダンスでの説明や Moodle or 修学支援システム上の通知を逃さないでください。
項目 内容 授業時間外学習 備考
第1回 授業ガイダンス
 		授業ガイダンスを行う
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）

Python/R のインストール
第2回 Python/R の基礎１
 		Python/R の基礎について学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第3回 Python/R の基礎２
 		Python/R の基礎について学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第4回 回帰分析と重回帰分析 回帰分析を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第5回 ロジスティック回帰 ロジスティック回帰を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第6回 セグメンテーション セグメンテーションと関連する検定を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第7回 決定木 決定木を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第8回 クラスタリング
 		クラスタリングを学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第9回 レコメンデーション レコメンデーションのモデル(アソシエーション分析)を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第10回 多変量解析法 (1) 因子分析を学ぶ 授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第11回 多変量解析法 (2) 主成分分析を学ぶ

 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第12回 選択モデル
 		選択モデル(多項ロジットモデル、コンジョイント分析)を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第13回 単純ベイズ分類器
 		単純ベイズ分類器を学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第14回 ニューラルネットワークとディープラーニング ニューラルネットワークとディープラーニングを学ぶ
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４時間）
第15回 モデルの評価
 		モデルの評価を学ぶ (例: ROC曲線)
 		授業に関する資料（テキストを含む）を読み、事前に授業を内容を把握しておくこと。(目安時間４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: --%　B: --%　C: 75%　D: --%
成績評価法
最終課題 100%
教科書にかかわる情報
備考
オンライン上の講義資料を用いる。
参考書にかかわる情報
備考
メッセージ
"It is a capital mistake to theorize before one has data." by Arthur Conan Doyle

(注) 講義名も含めて変更の可能性があります。ご注意ください。
キーワード
機械学習、データサイエンス、プログラミング言語 Python/R
持続可能な開発目標（SDGs）

関連科目
アカデミック・ツールのための数学, 統計学入門と演習のIとII, 社会調査法II (量的調査), 科学技術論演習の一部
履修条件
連絡先
E-mail: tyamada [at] yamaguchi-u.ac.jp
Ext.: 5297
オフィスアワー
特に設けていません。必要な場合はあらかじめ連絡してください。

ページの先頭へ