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･2 | 開講区分 | 本部 |
| 科目群 | 全学共通教育科目 | ||||
| 学期 | 集中 | 履修区分 | 選択 | ||
| 授業形態 | 遠隔授業（オンデマンド型） |
|---|---|
| 授業の形態 | 本授業は，全学共通科目です。 文理学部で開講する授業と履修方法等が異なりますので，ご注意ください。 |
| 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，第８回から第１２回のいずれも午前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，実施日の午後１時にそれぞれ公開する。また，第１３回については，当該日の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。 ＜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】 |
| 授業のねらい・到達目標 | この科目はDP1，DP2，DP3，DP4，DP6，DP8に対応しています。 |
| 授業の形式 | 講義、オムニバス |
| 授業の方法 | 授業の形式：【講義，演習，実験，実習，実技，研究，講究，ゼミ，卒業論文・研究】 |
| 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理解を深める。 ［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，1-3 データ・AI の活用領域，1-5 データ・AI 利活用の現場 【事前学習】シラバスを熟読し，この科目の趣旨や目的，授業方法を理解する。また，コンピューター操作を確認し，授業で必要となるツール（Googleスプレッドシートなど）が使用できるかを実践する。 （1時間） 【事後学習】授業で視聴した動画を再度確認し，データサイエンスやAIで学ぶ内容を理解するとともに，次回以降の授業の流れを把握する。講義で紹介されたデータサイエンスやAIの活用事例を振り返り，その影響や今後の展望について簡単にまとめる。 （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，データサイエンスやAIの役割やと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。また，生成AI技術の最新動向について学ぶ。 ［MC対応］1-1 社会で起きている変化，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，1-6 データ・AI 利活用の最新動向 【事前学習】データサイエンスやAIが活用されている具体的な事例を調べ，どのようなデータが使われ，どのような価値が生まれているのかを簡単にノートにまとめる。また，データ分析の基本的な目的（傾向の把握，予測，意思決定支援など）を確認し，データサイエンスやAIの役割について自身の考えをノートにまとめる。 （2時間） 【事後学習】提示された資料等について他のデータも参考にしながら調べ，データサイエンスやAIの活用を深く理解して説明できるようにまとめる。身近な具体例を挙げ，活用されるデータや生まれる価値を整理し，データサイエンスやAIの役割を説明できるようにまとめる。 （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，3-1 データ・AI を扱う上での留意事項 【事前学習】データの種類について調べ，それぞれの特徴を理解して説明できるようにノートにまとめる。また，基本統計量（平均，中央値，標準偏差など）の意味と計算方法を確認し，統計分析でどのように活用されるかを整理してノートにまとめる。さらに，オープンデータの概要と利用分野を簡単にノートにまとめる。 （2時間） 【事後学習】講義で学んだデータの種類や基本統計量の計算方法を復習し，統計指標の意味を整理する。オープンデータを活用した演習を振り返り，データの集計や分析の手順を確認する。 （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回の学修内容確認を行った上で，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］1-2 社会で活用されているデータ，1-4 データ・AI利活用のための技術，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 【事前学習】統計の基本的な概念（平均，中央値，最頻値，分散，標準偏差）を復習する。また，ヒストグラムと散布図の役割や作成方法を理解し，具体的なデータを用いて説明できるようにノートにまとめる。 （2時間） 【事後学習】提示されたデータ（気温，身長など）を基に，平均，中央値，標準偏差を計算し，統計指標の意味を理解し、説明する。ヒストグラムを作成してデータの分布を可視化し，統計処理の基礎を実践的に学ぶ。 （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） 人文社会系のデータの特徴を理解した上で，そのデータ集計方法や表現方法，分析の仕方について学ぶ。その後，実際のデータを用いて基礎的な演習を行う。 ［MC対応］1-2 社会で活用されているデータ，1-5 データ・AI 利活用の現場，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 【事前学習】人文社会系のデータの特徴を調べ，どのような形で収集・整理されるかを理解して説明できるようにノートにまとめる。また，社会調査や統計データの活用事例を確認し，データがどのように分析・説明されているかを考察し，自身の考えをノートにまとめる。 （2時間） 【事後学習】与えられたデータを整理し，データの特徴や傾向を説明できるようにまとめる。実際の社会調査や統計データを用いた分析事例を調べ，どのようにデータが活用されているかを考察し，自身の考えをまとめる。 （2時間） 【担当教員】中村文紀，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） 理工系・医療系データを例にして，外部データの取り込み方法を学ぶ。その後，取り込みデータから作図し，データを可視化する。また，データ信頼性についてもあわせて学ぶ。 ［MC対応］1-2 社会で活用されているデータ，1-5 データ・AI 利活用の現場，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，4-3 データ構造とプログラミング基礎，4-6 画像認識 【事前学習】理工系・医療系のデータの特徴を調べ，どのような形で収集・整理されるかを理解して説明できるようにノートにまとめる。また，実際の研究や医療統計の活用事例を調べ，データがどのように分析・解釈されているかを考察し，自身の考えをノートにまとめる。 （2時間） 【事後学習】与えられたデータを整理し，データの特徴や傾向を説明できるようにまとめる。実際の研究データや医療統計の活用事例を調べ，どのようにデータが分析・解釈されているかを考察する。 （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や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 中間課題後にはこれまでの授業に関する振り返りやフィードバックを行ったのち，世界各国でのＡＩの利活用についてデータを基に議論を行いながら，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］1-1 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，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，1-6 データ・AI 利活用の最新動向，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，3-1 データ・AI を扱う上での留意事項，4-3 データ構造とプログラミング基礎，4-6 画像認識 【事前学習】これまでの講義内容についてノートを活用して復習し，データの分類・読み解き・説明方法について理解を深める。また，データの社会での活用事例を振り返り，データサイエンスやAI，データ分析の役割を確認し，理解をより確実なものにする。 （3時間） 【事後学習】中間課題を振り返り，現代社会におけるデータサイエンスやAIの概況について理解を深める。データサイエンスやAIの活用事例を調べ，考察する。 （1時間） 【担当教員】大熊康典，中村文紀，坂本力也，大澤正彦，佐藤佑介，遠山岳史，E. H. Jego，篠田雅路，古賀徹 【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） 守るべきデータの種類を理解し，適切な管理の重要性を学ぶ。また，データやＡＩの活用における負の事例等を参照しながら，データ保護に関する法律やガイドラインについて理解を深める。 ［MC対応］3-1 データ・AI を扱う上での留意事項，3-2 データを守る上での留意事項 【事前学習】守るべきデータの種類（個人データ，機密データ，公開データ）を調べ，それぞれの特徴と管理の違いや関連する法令を整理してノートにまとめる。また，近年のデータ流出や情報漏洩の事例を調べ，その原因や影響について簡単にノートにまとめる。 （2時間） 【事後学習】講義で学んだデータの管理方法を振り返り，データ流出のリスクを防ぐための具体的な対策を整理する。データ保護に関する法律やガイドラインの要点を確認し，適切なデータ管理の重要性を再認識する。 （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］3-1 データ・AI を扱う上での留意事項，3-2 データを守る上での留意事項 【事前学習】データ共有のリスクについて調べ，安全なデータ送信方法（暗号化，パスワード付きファイルなど）がどのように機能するのかを理解して説明できるようにノートにまとめる。また，不正アクセスの事例を調べ，どのような被害が発生したのかを簡単にノートにまとめる。 （2時間） 【事後学習】講義で学んだ安全なデータ共有・送信方法やアクセス管理の重要性を振り返り，実践的な対策を整理する。サイバー攻撃の種類とそれに対する具体的な防御策を確認し，安全なデータ運用について理解を深める。 （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 [Google環境]】（授業時間：100分） Googleスプレッドシートを用いて，基礎的な関数と集計，グラフ化について確認したのち，データ分析に使える関数やスプレッドシート固有の関数について学ぶ。その後，スプレッドシートのデータを踏まえたLooker Studioでの可視化について学ぶ。 ［MC対応］1-2 社会で活用されているデータ，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，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】Googleスプレッドシートの基本機能を調べ，データ入力や書式設定，フィルタ機能の使い方を確認する。また，AVERAGE，MEDIAN，STDEVなどの基本的な関数の使い方を調べ，データ処理にどのように活用できるかを理解して説明できるようにノートにまとめる。 （2.5時間） 【事後学習】講義で学んだGoogleスプレッドシートの関数を用いた統計計算やピボットテーブルの活用を復習し，データ整理と簡易集計の手順を整理する。Looker Studioとの連携手順を振り返り，ダッシュボード作成の流れを理解して説明できるようにまとめる。 （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，データ処理方法を修得する。また，作図によるデータの可視化方法を学び，動画像データを基にした物体検知・物体認識の手法を理解し，画像解析を通じたデータの可視化を実践する。あわせて，テキストマイニングを用いて文章データを分析する方法を学ぶ。 ［MC対応］2-2 データを説明する，2-3 データを扱う，4-1 統計および数理基礎，4-5 自然言語処理，4-6 画像認識，4-7 データハンドリング 【事前学習】「MATLAB入門」コースを受講し，データ処理や統計計算の活用方法を理解して説明できるようにする。また，平均や標準偏差の計算方法を復習し，テキストマイニングの概要を確認する。文章データの分析・可視化の手法について簡単にノートにまとめる。 （2.5時間） 【事後学習】講義で学んだMATLABの基本操作を復習し，データの計算・処理・可視化の方法を整理する。テキストマイニングの手法を振り返り，実際の文章データを用いた可視化の手順を確認する。 （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 [AI・機械学習]】（授業時間：100分） AIの入門として，画像分類を題材にディープラーニングの基礎を修得する。事前学習済みネットワークを使用した予測について学んだ後，転移学習を使用してイメージ分類ネットワークの学習を実践する。 ［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，4-7 データハンドリング 【事前学習】AIや機械学習の基本概念を調べ，それらがどのような場面で活用されているかを理解して説明できるようにノートにまとめる。また，機械学習に用いるデータの特徴や，学習に適したデータの形式について簡単にノートにまとめる。 （2.5時間） 【事後学習】講義で学んだ機械学習のアルゴリズムやモデルの学習・評価方法を整理し，適用事例を確認する。データの可視化手法やモデルの予測結果のグラフ表現について復習し，どのように解釈すべきかを考察して自身の考えをまとめる。 （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，第10回，第11回，第12回目で学んだ手法（Googleスプレッドシート，MATLAB，ディープラーニング）を活用しながら，情報の可視化やＡＩの活用の実践を行う。作成したデータを基に動画によるプレゼンテーションを行い，学生間のピア評価を行う。 ［MC対応］第１回から第12回の全事項 【事前学習】これまでの講義内容についてノートを活用して復習し，自分の興味のあるデータ収集・分析のテーマを考え，どのようなデータを収集できるかを調べる。また，データの可視化に適したグラフやダッシュボードの種類を確認し，効果的なプレゼンテーションのポイントを整理する。 （4時間） 【事後学習】作成したプレゼンテーション動画を振り返り，伝えたい情報が適切に表現されているかを確認する。他の発表と比較し，より効果的なデータの可視化や説明方法について考察し，次回以降の発表に活かせるポイントをまとめる。 （2時間） 【担当教員】大熊康典，中村文紀，坂本力也，大澤正彦，佐藤佑介，遠山岳史，E. H. Jego，篠田雅路，古賀徹 【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修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】これまでの講義内容についてノートを活用して振り返り，データの分類・分析・可視化・説明・保護に関する重要なポイントを整理してノートにまとめる。また，過去の課題や発表を見直し，自身の理解が不足している点や補強すべき部分を確認してノートにまとめる。 （3時間） 【事後学習】期末課題を振り返り，理解を深める。これまでの学びをどのように実践で活かせるかを考え，今後のデータ活用や数理・データサイエンス・AIに関する学修の指針を整理する。 （1時間） 【担当教員】大熊康典，中村文紀，坂本力也，大澤正彦，佐藤佑介，遠山岳史，E. H. Jego，篠田雅路，古賀徹 【授業形態】オンデマンド型授業 |
| 15 |
この授業は全14回です
【担当教員】なし |
| その他 | |
|---|---|
| 教科書 | 『MATLAB および Simulink トレーニング （MathWorks）』 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 | 試験(20%)、授業内テスト:授業内課題（第１～１３回）：７２点 第１回：２点，第２回～第１２回：６点，第１３回：４点(72%)、第１３回 ８点（ピア評価は第13回授業内課題として別途評価）(8%) 試験は，中間課題（第７回）：８点 期末課題（第１４回）：１２点 |
| オフィスアワー | Canvas（LMS）で対応 |
| 備考 | 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 |