科目名 （英語表記） |
データサイエンス入門 (Introduction to Data Science) |
担当教員 |
関 陽介 |
|---|---|---|---|
定 員 |
若干名 | 単位数 |
2 |
大学名 |
神戸市外国語大学 | 連絡先 |
教務入試班（078-794-8133） |
開講学期 |
後期 | 開講期間 |
9月25日～2月9日 |
曜日・時限 |
木曜7限（19：30～21：00） | 教 室 |
未定 |
履修条件 |
特になし | キャンパス |
学園都市 |
授業形態 |
対面授業 |
||
授業方法 |
演習 | ||
学習目標 |
・データサイエンスの基礎知識や技術に関して説明することができる。 ・データサイエンスに関する実用的な手法を活用することができる。 |
||
授業概要 |
現代社会では専門分野を問わず、データを処理するための統計学や人工知能、プログラミング等の知識や技術が求められています。この授業では講義と実習を通してこれらの基礎知識や技術を身につけることを目的とします。 | ||
授業時間学習 以外の学習 (準備学習含む) |
本学では1単位当たりの学習時間を45時間としています。毎回の授業にあわせて事前・事後学習を行ってください。 この授業で扱う内容の多くは研究活動や社会で必ず求められる知識や技術であるため、不明点があれば必ず復習をしてください。 |
||
評価方法 |
1．課題作成：最大35点 2．授業への取り組み状況：最大35点 3．期末試験：最大30点 ※上記の各項目における合計点で評価します。評価基準として合計点を60点以上取ることが単位取得として必要になります。 |
||
教科書 |
|||
参考書 |
|||
特記事項 |
本学ではBYODを導入しています。履修にあたっては個人のノートパソコンを持参してください。 この授業では講義と実習（Excel・Python）を行い、プログラミング環境はGoogle Colaboratoryを使用します。生成AIに触れるために無償のサービスも利用する予定です。 |
||
授業計画 |
第1回 ガイダンス 第2回 データサイエンスについて 第3回 データの要約１（最大・最小，平均，中央値等） 第4回 データの要約２（範囲，四部位点，標準偏差等） 第5回 データの比較（共分散，相関関係，散布図等） 第6回 データの可視化 第7回 確率と検定 第8回 モデリング 第9回 データ分析の応用 第10回 プログラミング 第11回 AIについて 第12回 生成AIの紹介 第13回 自然言語処理 第14回 画像認識 第15回 期末試験とまとめ・解説 |
||
申込方法 |
|||