検索したい科目/教員名/キーワードを入力し「検索開始」ボタンをクリックしてください。
※教員名では姓と名の間に1文字スペースを入れずに、検索してください。
令和2年度以降入学者 | データ処理基礎 | ||||
---|---|---|---|---|---|
教員名 | 田中絵里子,大川内隆朗,田尻慎太郎,白鳥成彦 | ||||
単位数 | 2 | 学年 | 1~4 | 開講区分 | 文理学部 |
科目群 | コンピュータ科目 | ||||
学期 | 後期 | 履修区分 | 選択 |
授業形態 | 遠隔授業(オンデマンド型) |
---|---|
授業概要 | AI時代におけるコンピュータを利用した初歩的な各種データ処理を学修する。学科専門科目のみでなく領域をまたいで活用できるような多様な実データによる演習を通し,データを「読む」「分析する」「説明する」といった利活用を行うための基本的な素養を身につける。 |
授業のねらい・到達目標 | データサイエンスの必要性を理解し,データを適切に扱うために,コンピュータを利用したデータ整理,統計処理,グラフ化,データベース機能の活用などの基礎的なデータ処理方法を身に付けることを目標とする。 <授業のねらい> ・様々なデータの読み方を理解し,コンピュータ上で適切に管理することができる ・代表的な分析の手法を学び,データに合わせた分析手法を適用することができる ・データや分析結果を効果的に表現し,レポートにまとめることができる <到達目標> ・AI時代においてデータの果たす役割とその価値を理解し適切に管理することができる ・実データを含めたデータ全般を表形式に整理しまとめることができる ・基本統計量を中心とした数値要約を行うことができる ・時系列データについてグラフ化し回帰分析を行うことができる <日本大学教育憲章との関係> 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DP3,4及びCP3,4に対応している。 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) |
授業の形式 | 講義、演習 |
授業の方法 | 毎週公開するオンデマンド資料をもとに,各自で学修を進める。 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演習を出題するので,期日までに提出すること。 本授業の事前・事後学習は,各2時間の学修を目安とする。 |
履修条件 | 1年生は後期にクラス指定で「必履修」とする。 2年生以上は初年次必修科目「情報リテラシー」を受講済みまたは同等以上の知識があること。 |
授業計画 | |
---|---|
1 |
ガイダンス(A-3-1, A-4-1) 授業のテーマや到達目標及び授業の方法について説明する アプリケーションの準備 AI時代におけるデータの重要性 母集団と標本 【事前学習】情報リテラシーで学修したデータサイエンスについて復習しておく (2時間) 【事後学習】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
2 |
データの収集と記録(A-3-1, A-4-1) データの保存形式 データの尺度 データの整形 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
3 |
社会におけるデータの重要性と利活用(A-3-1, A-4-1) 国内外におけるデータサイエンス教育の現状 ビジネスの世界におけるデータサイエンスの活用 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
4 |
データ分析の手法(A-3-1, A-4-1) BIツール ノーコード・ローコードのデータ分析 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
5 |
データ集計の基本(A-3-1) 代表値(平均値・最頻値・中央値) 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
6 |
データの分布(A-3-1, A-4-1) 度数分布表とヒストグラム ヒストグラムの形状と代表値 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
7 |
データの散布度(A-3-1) データのばらつき 分散と標準偏差 標準化と偏差値 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
8 |
クロス集計(A-4-1) 単純集計とクロス集計 ヒートマップ 【事前学習】LMS上で公開する教材を利用し内容を理解する (3時間) 【事後学習】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
9 |
グラフ(1)(A-3-1, A-4-1) 統計データからのグラフ作成 代表的なグラフの作成と使用用途 可視化によるデータ比較と事例紹介 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
10 |
グラフ(2)(A-3-1, A-4-1) 箱ひげ図と幹葉図 適切なグラフ表現(視覚効果とチャートジャンク) 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
11 |
データベース(A-3-1) フィルタとソート 層別分析 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
12 |
相関関係と因果関係 (A-3-1, A-4-1) 散布図 相関係数 因果関係 擬似相関 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
13 |
データを扱う上での注意(A-3-1, A-4-1) 観測誤差 打ち切りと欠損値 外れ値と異常値 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
14 |
データリテラシー(A-3-1, A-4-1) データ倫理 データ駆動型分析 【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
15 |
オープンデータの活用(A-3-1, A-4-1)
【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】小テストをLMSで提出する (2時間) 【授業形態】オンデマンド型授業 |
その他 | |
---|---|
教科書 | 使用しない |
参考書 | 授業中に適宜紹介する |
成績評価の方法及び基準 | レポート:中間レポート,期末レポート(50%)、授業参画度:小テスト,演習(50%) ・評価は,レポートと小テストによる総合的評価とする ・授業参画度は,小テストおよび演習等で評価する ・各DP, CPについての評価・判定も上記により総合的に測る ・詳細については開講時に各教員から説明を行う |
オフィスアワー | 授業や課題に関する質問は,LMSにて受付および回答を行う。 |
備考 | ・本科目は1年生後学期の「必履修」科目です。 ・2年生以上も履修できます。ただし,前学期に同一科目を履修登録された方は,同一年度に再履修できません。 ・学科ごとに指定された曜日時限で,CanvasLMSのコース登録およびCHIPSの履修登録を行ってください。 ・重要な連絡事項は,Canvas LMS内の連絡事項およびメッセージにて周知を行います。 |