授業の目的

本演習では、データサイエンスについて学部で学んでこなかった修士課程の学生を対象に、所属分野での研究等を円滑に進める上で必要となる基礎的な知識、及び今後、当該先端研究を通じて高度な技法を修得していくためのデータ解析の技術について、各種演習をとおして修得させることを目的とする。

教育内容

基礎的な統計解析や機械学習などのデータ解析について学ぶとともに、公共データベースを用いた演習を行い実際の操作を学び、データサイエンスで必要となる技術を修得する。また、その上で必要となるプログラミング技術について、Pythonを用いて、プログラミングとはどんなものかのイメージを掴み、画面に文字を表示する簡単なプログラムを自分で書いてみる。変数と型、リストや辞書などのデータ構造、条件分岐、繰り返し処理、関数、ファイル入出力といったプログラミングの基礎について学ぶ。モジュールの使い方について学び、ファイル入出力、平均や分散などの計算を行う方法について学ぶ。また、対話的処理やバッチ処理などプログラムの様々な実行方法、クラウドやローカルなどのプログラミング環境について学ぶ。LinuxやMacなどのコマンドライン操作の基礎について学ぶ。これにより、今後、データサイエンス研究を進めていくための知識を養う

教育方法

パワーポイントによる講義の後、演習を行う。パワーポイント資料は講義前にホームページ等で配布する。毎回の講義では、理解度確認のために基礎的な内容の課題を出題する。また、数回の講義ごとに、応用的な内容のレポート課題を出題する。
講義内課題、レポート課題については、提出後に模範解答を配布して解説を行う。

卒業・学位授与の方針と当該科目の関連

DP1、DP3

授業内容(シラバス)

到達目標

実データを用いて初歩的な統計処理や機械学習などのデータ解析を行うことができる。プログラミングの基礎を理解でき、基本的なプログラムを書くことができる。

評価方法

講義内で出題する課題（30％）、レポート課題（70％）の合計により評価する。

準備学習(予習・復習等)

【講義時間外に必要な学修時間：29時間】
予習：事前に配布する講義資料を読み、疑問点を明確にしておくこと。講義資料内のソースコードを自分で実行して、動作を確認しておくこと。
復習：講義で扱ったソースコードを書き換え動作の変化を確認する等の練習を行い、今後、同様のソースコードを独力で書けるようにすること。レポート課題の解答を作成し、提出後に配布する模範解答との比較・考察を行うこと。

備考・その他

講義に関する質問はメールや対面にて受け付ける。
【関連科目：データサイエンス概論、機械学習プログラミング、最適化プログラミング】

教材