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。
データサイエンスの世界
| 令和7年度以降入学者 | データサイエンスの世界 | ||||
|---|---|---|---|---|---|
| 教員名 | 教務課 （日本大学共通科目） | ||||
| 単位数 | 2 | 学年 | 1 | 開講区分 | 本部 |
| 科目群 | 全学共通教育科目 | ||||
| 学期 | 通年 | 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 | オンライン授業（⼀部の授業回で⽇時に縛りがあるオンデマンド型）で実施。 第１回から第６回は８⽉１８⽇，第８回から第１２回は８⽉２２⽇のいずれも午前９時にCanvas LMSで授業内容を公開する。 無理なく学修するため，原則として別途提⽰する「モデルスケジュール」に従って受講することを推奨する。 中間課題ならびに期末課題は，実施⽇である８⽉２１⽇及び８⽉２９⽇の午後１時にそれぞれ公開する。 また，第１３回については，８⽉２８⽇正午までに受講者がプレゼンテーション動画をアップロードし，午後２時より視聴とピア評価（学⽣間相互評価），ディ スカッションを⾏う。データサイエンスやAIの現況を知ること，他者が作成したデータを読むことだけに終始するのではなく，⾃らデータを取得して加⼯や可視化を⾏いながら，エビデンスに基づいた議論が⾏える素地を醸成する。 ※中間課題，期末課題については，各授業回及び事前・事後学修で作成したノートを元に取り組むこと。 |
| 授業のねらい・到達目標 | ＜ＧＩＯ＞ 1.データやAIが現代社会でどのように活用されているかを理解する【MC-1】 2.データを適切に読み解く力を身に付ける【MC-2】 3.データやAIの運用スキルを身に付ける【MC-2】 4.情報保護やセキュリティをはじめとするデータやAIの運用に係る留意点を理解する【MC-3】 ＜ＳＢＯｓ＞ 1.データやAIの現代社会における利活用の現況について説明することができる【DP-2】 2.さまざまなデータを読み，データの内容について説明することができる【DP-3, 4】 3.提示されたデータに基づいて，自身の考えを客観的に振り返ることができる【DP-3, 4, 8】 4.自身の考えに関するエビデンスを，データを用いて表現することができる【DP-3, 4, 6】 5.AIの利点やリスクを踏まえて，AIを活用することができる【DP-3, 4】 6.情報保護やセキュリティをはじめとするデータを守る上で必要な事項について説明することができる【DP-1】 |
| 授業の形式 | 講義、オムニバス |
| 授業の方法 | オンライン授業（オンデマンド方式，ただし，一部の授業回で受講日・受講時間帯を設定） ①授業は自宅等で各自受講する。 ②指定された期間内に授業動画を視聴し，指定課題を期日までに提出する（あわせて，事前学修・事後学修を実施する）。 ③すべての授業コンテンツは全学LMSに掲載し，回次のスキップ不可として第1回から順次受講する（全学LMS上で受講順序を制御）。 ④中間課題（第７回），期末課題（第１４回）及びプレゼンテーション（第１３回）については，実施日及び実施時間帯を指定する。 |
| 履修条件 | ※全学共通科目につき，履修方法が通常科目と異なります！ ４月１９日まで 以下，履修希望者情報サイトから登録を行ってください。 https://sites.google.com/g.nihon-u.ac.jp/mdash/ ４月２１日 履修者が確定します。 履修登録は，教務課で行います。 【要件】 ①PCまたはタブレットで受講できる環境が整っていること。 ※授業期間は，文理学部内のコンピュータ教室（インフォメーションスクウェア含む）は，ＰＣ入替えのため使用できない。 ②履修科目上限や所属学部の時間割を確認し，履修が可能であること ③本科目の既修得者及び学部の定める重複履修制限科目の修得者は履修することができない。 ④本科目の履修は同一年度内１回限りとし，夏期集中の履修者は春期集中の履修を認めない。 ⑤原則として，履修の取消は認めない。 |
| 授業計画 | |
|---|---|
| 1 |
【数理・データサイエンス・AIと現代社会①】（授業時間：100分） 本科目の概要と受講方法等について理解した上で，データサイエンスやAIの現代社会における利活用の現況や注目・重要視される理由，今後の展望について概観する。 ［MC対応］1-1社会で起きている変化，1-2社会で活用されているデータ 【事前学習】 （1時間） 【事後学習】 （2時間） 【担当教員】大熊康典，中村文紀，大澤正彦 【授業形態】オンデマンド型授業 |
| 2 |
【数理・データサイエンス・AIと現代社会②】（授業時間：100分） 第１回より踏み込んで，具体的な事例を基に，データサイエンスの役割やデータ分析について学び，利用するメリットやどのような価値が生まれているかを理解する。 ［MC対応］1-3データ・AIの活用領域，1-4データ・AI利活用のための技術，1-5データ・AI利活用の現場 【事前学習】 （2時間） 【事後学習】 （2時間） 【担当教員】大熊康典，中村文紀，大澤正彦 【授業形態】オンデマンド型授業 |
| 3 |
【データの種類とその読み方①】（授業時間：100分） データ・データセットの種類を理解した上で，集計データを基に基本統計量と標本の在り方について学ぶ。その後，実際のデータ（オープンデータ）を用いて基礎的な演習を行う。 ［MC対応］2-1データを読む，2-3データを扱う 【事前学習】 （2時間） 【事後学習】 （2時間） 【担当教員】大熊康典，中村文紀，佐藤佑介 【授業形態】オンデマンド型授業 |
| 4 |
【データの種類とその読み方②】（授業時間：100分） 第３回の確認を行った上で，ヒストグラムや折線グラフ，散布図といったグラフを用いた可視化の手法を学ぶ。その後，実際のデータ（オープンデータ）を用いて基礎的な演習を行う。 ［MC対応］2-1データを読む，2-2データを説明する 【事前学習】 （2時間） 【事後学習】 （2時間） 【担当教員】大熊康典，中村文紀，佐藤佑介 【授業形態】オンデマンド型授業 |
| 5 |
【データ説明の実践①［人文社会系データ］】（授業時間：100分） 第３回，第４回の既修事項を前提として，教育及び関連する分野（人口や経済等）の実データを対象として，データの読み解きと説明する力を養う。また，実社会でのデータの活用事例についても学ぶ。 ［MC対応］2-1データを読む，2-2データを説明する，2-3データを扱う，1-5データ・AI利活用の現場 【事前学習】 （2時間） 【事後学習】 （2時間） 【担当教員】中村文紀，永塚史孝，古賀徹 【授業形態】オンデマンド型授業 |
| 6 |
【データ説明の実践②［理工系・医療系データ］】（授業時間：100分） 第３回，第４回及び第５回の既修事項を前提として，理工系及び医療系の実データを対象として，データの読み解きと説明する力を養う。また，実社会でのデータの活用事例についても学ぶ。 ［MC対応］2-1データを読む，2-2データを説明する，2-3データを扱う，1-5データ・AI利活用の現場，4-4時系列データ解析 【事前学習】 （2時間） 【事後学習】 （2時間） 【担当教員】中村文紀，遠山岳史，篠田雅路 【授業形態】オンデマンド型授業 |
| 7 |
【中間課題，データ・ＡＩ利活用の現場と動向】（授業時間：100分） 中間課題として，現代社会におけるデータサイエンス・ＡＩの概況や利活用の現状についての理解度と，データの読み解きと説明する力について確認を行う。 ［MC対応］第１回から第６回の全事項 中間課題後にはフィードバックや振り返りを行うとともに，データサイエンス・AIの最新動向に触れ，授業後半に向けてあらためて本科目の意味や意義について考える機会とする。 ［MC対応］1-5データ・AI利活用の現場，1-6データ・AI利活用の最新動向 【事前学習】 （3時間） 【事後学習】 （1時間） 【担当教員】中村文紀，大澤正彦，E. H. Jego 【授業形態】オンデマンド型授業 |
| 8 |
【データを守る①】（授業時間：100分） 守るべきデータ（個人データ，機密データ，公開データ）の種類を理解し，適切な管理の重要性を学ぶ。また，データ流出・漏洩のリスクを把握し，安全なデータ管理の基本を修得する。さらに，データ保護に関する法律やガイドラインを学び，ケーススタディを通じて実際のデータ流出事例の原因と対応策について知識を深める。 ［MC対応］3-1データ・AIを扱う上での留意事項 【事前学習】 （2時間） 【事後学習】 （2時間） 【担当教員】中村文紀，大澤正彦，坂本力也 【授業形態】オンデマンド型授業 |
| 9 |
【データを守る②】（授業時間：100分） データの適切な取り扱い方法を学ぶことを目的とし，データ共有のリスクや安全な送信方法（暗号化，パスワード付きファイル）を学ぶ。また，アクセス管理の重要性を理解し，アクセス権の設定や不正アクセス対策について学修する。さらに，サイバー攻撃の種類と対策について知識を深める。 ［MC対応］3-2データを守る上での留意事項 【事前学習】 （2時間） 【事後学習】 （2時間） 【担当教員】中村文紀，大澤正彦，坂本力也 【授業形態】オンデマンド型授業 |
| 10 |
【データ作成の実践①】（授業時間：100分） Googleスプレッドシートを用いて，関数を利用した基本統計量の算出，ピボットテーブルによる簡易集計，基本的なグラフによる可視化を実践する。その後，Looker Studioとの連携によりダッシュボードを作成し，より利便性の高い可視化の技術を修得する。 [MC対応］2-2 データを説明する，2-3 データを扱う，4-7 データハンドリング 【事前学習】 （2.5時間） 【事後学習】 （2.5時間） 【担当教員】大熊康典，中村文紀，佐藤佑介 【授業形態】オンデマンド型授業 |
| 11 |
【データ作成の実践② [MATLAB／テキストマイニング］】（授業時間：100分） 数値解析ソフトウェアMATLABを用いて，初歩的な計算や基本統計量の算出，作図による可視化等の基本的な操作を学ぶ。その後，動画像のファイルを基にした図式化とテキストマイニングについて学び，より実践的なスキルを修得する。 [MC対応］2-2 データを説明する，2-3 データを扱う，4-6 画像認識，4-5 自然言語処理 【事前学習】 （2.5時間） 【事後学習】 （2.5時間） 【担当教員】大熊康典，中村文紀，遠山岳史 【授業形態】オンデマンド型授業 |
| 12 |
【データ作成の実践③ [Al・機械学習］】（授業時間：100分） Alの基礎として，機械学習に用いるデータの作成方法を理解するとともに，機械学習の基本的なアルゴリズムやモデルの学習・評価方法を学ぶ。さらに，データの可視化を行い，モデルの予測結果をグラフで表現させる方法を修得する。 [MC対応］2-2 データを説明する，2-3 データを扱う，4-6 画像認識，4-5 自然言語処理 【事前学習】 （2.5時間） 【事後学習】 （2.5時間） 【担当教員】大熊康典，中村文紀，大澤正彦 【授業形態】オンデマンド型授業 |
| 13 |
【プレゼンテーションとディスカッション】（授業時間：100分） 各自，興味のあるデータ収集・分析のテーマを選定し，必要なデータを収集する。その後，第10回，第11回，第12回目で習得した手法（Googleスプレッドシート，MATLAB，機械学習）を適宜活用し，伝えたい情報をグラフやダッ シュボードで可視化する。作成したデータを基にプレゼンテーションスライドを作成し，説明動画を作成した上で，授業の最後に提出する。 [MC対応］第1回から第12回の全事項 【事前学習】 （4時間） 【事後学習】 （2時間） 【担当教員】大熊康典，中村文紀，佐藤佑介 【授業形態】オンデマンド型授業 |
| 14 |
【期末課題と総括】（授業時間：50分） 本講義の振り返りを行った後，Canvasを用いて期末課題を実施する。授業の最後に，これまでの学びの活用方法や今後の学習の指針について簡単にまとめる。 [MC対応］第1回から第13回の全事項 【事前学習】 （3時間） 【事後学習】 （1時間） 【担当教員】大熊康典，中村文紀，大澤正彦 【授業形態】オンデマンド型授業 |
| その他 | |
|---|---|
| 教科書 | MathWorks 『MATLAB および Simulink トレーニング』 https://jp.mathworks.com／learn／training.html?s_tid=gn_trg_ov |
| 参考書 | 使用しない |
| 成績評価の方法及び基準 | 「中間課題（第７回）」：8％，「期末課題（第１４回）」：12％，「授業内課題（第1～６回；第８～１３回」：6×12回＝72％，「プレゼンテーション（第１３回）」：8％ (100%) （ピア評価は第１３回授業内課題として別途評価） 全学共通LMSのコンテンツを，指示に従って第1回から第14回までの講義を全て受講すること |
| オフィスアワー | Canvas（LMS）で対応 |
| 備考 | ※ＭＣ：「数理・データサイエンス・ＡＩ教育プログラム認定制度（リテラシーレベル）」のモデルカリキュラムへの対応番号 １：［導入］社会におけるデータ・ＡＩ利活用 ２：［基礎］データリテラシー ３：［心得］データ・ＡＩ利活用における留意事項 ４：［選択］オプション |