文理学部シラバスTOP > 文理学部 > コンピュータ科目 > ビッグデータサイエンス
日本大学ロゴ

ビッグデータサイエンス

このページを印刷する

令和２年度以降入学者 ビッグデータサイエンス
教員名 大川内隆朗
単位数    2 学年 2･3 開講区分 文理学部
科目群 コンピュータ科目
学期 前期 履修区分 選択
授業の形態 対面授業（オンデマンド型動画配信を5/15含む）
Blackboard コースID︓⽉曜5限→20220576
授業概要 ビッグデータ時代におけるデータの収集方法および管理方法から始め，実践的な分析作業を通して，AIや機械学習などのより発展的な技術に対する理解を狙いとして学修を行う。
授業のねらい・到達目標 <授業のねらい>
・ビッグデータ時代のデータの扱いに関する基本的な知識を修得する
・データの基本的な分析について知識を身に付け実践できる

<到達目標>
・データについて正規化を行うことができる
・AIの仕組みについて，基礎的なアルゴリズムの実践を通して理解する
・pythonを利用し，分類を行うAIを作成することができる
・AIのリスクを理解し，正しく評価することができる

<日本大学教育憲章との関係>
経験や学修から得られた豊かな知識と教養に基づいて，倫理的な課題を理解し説明することができる。(A-1-1)
世界諸国の歴史や政治，経済，文化，価値観，信条などの現状を概説できる。(A-2-1)
仮説に基づく課題や問題を提示し，客観的な情報を基に，論理的・批判的に考察することの重要性を説明できる。(A-3-1)
事象を注意深く観察して，解決すべき問題を認識できる。(A-4-1)

<ディプロマポリシーとの関係>
この科目は文理学部のDP1,2,3,4及びCP1,2,3,4に対応している。
授業の方法 授業の形式：【講義・演習】
PC教室で1人1台のPC環境のもとに授業を進めていく。
各講義では毎回，授業内容の確認のための小テストまたは小課題の出題を行う。
教材提示やレポート提出等は学内共通LMSであるBlackboardを利用する。
本授業の事前・事後学習は，各２時間の学修を目安とする。

また対面参加が困難な学生については，教員の許可を受けたうえで，Zoomにてオンライン参加ができることとする。許可を受けずにオンライン参加を行った場合，欠席扱いとするので注意すること。

対面・オンライン参加の学生ともにBlackboardから提出できる小テストや小課題を毎週課すので，期日までに提出してもらう。
履修条件 1年生必修科目「情報リテラシー」を履修済みであること。
授業計画
1 本授業で学修する内容(A-2-1, A-4-1)【対面授業】
　AIによる社会の変化，データ駆動型社会におけるAIの役割，
　AIの理解に必要な知識についての基礎
【事前学習】AIが利用されている分野について，特に興味あるものをその仕組みとともに調べておく （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
2 ビッグデータ時代:(A-1-1, A-2-1)【オンデマンド授業】
　AIの代表的な適用領域，データ量の増加と多様性，データのセキュリティ
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
3 データの収集と蓄積:(A-1-1, A-4-1)【対面授業】
　データのフォーマット，主キー，外部キー
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
4 プログラミング⾔語 python(A-3-1, A-4-1)【対面授業】
　pythonの基本，演算，変数
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
5 簡単なプログラミング:(A-3-1, A-4-1)【対面授業】
　配列，データフレームの作成，ライブラリの利用
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
6 回帰分析（1）(A-3-1, A-4-1)【対面授業】
　単回帰分析
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
7 回帰分析（2）(A-3-1, A-4-1)【対面授業】
　重回帰分析
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
8 授業内容確認レポート1(A-1-1, A-2-1, A-3-1, A-4-1)【オンデマンド授業】
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】レポートを作成し、提出を行う （2時間）
9 ⼈⼯知能(AI)(A-1-1, A-2-1, A-4-1)【対面授業】
AIの基本的な考え⽅と種類（教師あり学習と教師なし学習），決定木
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
10 機械学習による分類（1）(A-3-1, A-4-1)【対面授業】
　単純ベイズ法
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
11 機械学習による分類（2）(A-3-1, A-4-1)【オンデマンド授業】
　サポートベクターマシン
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
12 機械学習による分類（3）(A-3-1, A-4-1)【オンデマンド授業】
　ニューラルネットワーク
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
13 機械学習によるクラスタリング(A-3-1, A-4-1)【対面授業】
　教師なし学習，⾃⼰組織化マップ
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
14 AIの理解に関する発展的な内容(A-1-1, A-2-1, A-3-1, A-4-1)【対面授業】
　授業内容確認テスト，AIの評価のポイント，AIの利点と欠点
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】確認テストの内容を踏まえ，理解が不足している部分について内容を補っておく （2時間）
15 まとめと振り返り(A-1-1, A-2-1, A-3-1, A-4-1)【オンデマンド授業】
　授業の総括，最新のAIの動向，テストのフィードバック
【事前学習】授業内容全体を総合的に確認し，理解を深めておくこと （2時間）
【事後学習】ビッグデータ時代における自身のキャリアマップを考えること （2時間）
その他
教科書 教科書は利用せず，授業に必要な教材はLMS上を通して提供する。
参考書 授業の中で適宜紹介する。
成績評価の方法及び基準 レポート:中間レポート（20％），期末レポート（20%）により評価する(40%)、授業参画度:各回の小テスト，及び，授業内容確認テストにより評価する(60%)
授業内テスト，毎回の小テスト／小課題，レポートによる総合的評価とする。
・各DP, CPについての評価・判定も上記により総合的に測る。
オフィスアワー 質問はメールにて受付および回答を行う。メールアドレスについてはBlackboard上および初回授業時に案内する。

↑このページのトップ