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
月1～2
講義
時間割番号
科目名[英文名]
使用言語
単位数
1062429000
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
田村 慶信[TAMURA Yoshinobu]
ー
担当教員[ローマ字表記]
田村 慶信 [TAMURA Yoshinobu]
特定科目区分
対象学生
電電
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)
メディア授業
×
メディア授業とは，メディアを利用して遠隔方式により実施する授業の授業時数が，総授業時数の半数を超える授業をいいます。
メディア授業により取得した単位は，卒業要件として修得すべき単位のうち60単位を超えないものとされています。
授業の目的と概要
We make a lecture in terms of the fundamental data analysis, data science.
授業の到達目標
We can understand the basic knowledge of data science. We can analyze the actual data sets. We can discuss the numerical results based on the statistical analysis. We can make a visualization for the actual data.
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．
特に，データ分析とデータの可視化について重点的に行う．
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
Data Science，Statistical mathematics 1
Data description
Preparation and review: more than 4 hours, and the preparation of the programming environment
第2回
Statistical mathematics 2
Probability and distribution
Preparation and review: more than 4 hours
第3回
Statistical mathematics 3
Prediction and testing
Preparation and review: more than 4 hours
第4回
Statistical prediction
statistical testing
Preparation and review: more than 4 hours
第5回
Data visualization 1
Data visualization
Preparation and review: more than 4 hours
第6回
Data visualization 2
graph
Preparation and review: more than 4 hours
第7回
Data visualization 3
Cross-tabulation table
Preparation and review: more than 4 hours
第8回
Data visualization 4
Data extraction
Preparation and review: more than 4 hours
第9回
Clustering 1
Data clustering
Preparation and review: more than 4 hours
第10回
Clustering 2
Data clustering and graph
Preparation and review: more than 4 hours
第11回
Machine learning 1
AI
Preparation and review: more than 4 hours
第12回
Machine learning 2
Model assessment
Preparation and review: more than 4 hours
第13回
Regression analysis and discriminant one
Regression analysis and discriminant one
Preparation and review: more than 4 hours
第14回
Principal component analysis and Factor one
Principal component analysis and Factor one
Preparation and review: more than 4 hours
第15回
Examination
Summary
Review: more than 4 hours
第16回
Summary
Summary
Summary
※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
The total score is assessed by report and final examination.
The rate of report is 30%. The rate of final examination is 70%.
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
9784780609592
著者名
相田紗織
出版社
学術図書出版社
出版年
2021
備考
参考書にかかわる情報
備考
メッセージ
Please use the statistical programming language R and Python on the laptop computer.
キーワード
Data science, Data analysis, Visualization, Statistics, Probability, Testing, AI, R, Machine learning, Regression, Clustering, Python
持続可能な開発目標（SDGs）
(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
Programming, Probability, Statistics, Graduation thesis
履修条件
連絡先
tamuray@yamaguchi-u.ac.jp
オフィスアワー
Please email "tamuray@yamaguchi-u.ac.jp".
ページの先頭へ