シラバス
※学期中に内容が変更になることがあります。

2025年度

(土曜日3講時)
遠隔/Online

学則第9条の5対象
Article 9-5 of
the Undergraduate Regulations applies

対象/Applicable

ディプロマポリシーとの関連性はこちらを参照/Relationship with Diploma Policy

16008503-001 

○データサイエンス基礎-1 (現代社会の共通言語)
Fundamentals of Data Science-1 -a common language of digital society-
2単位/Unit  春学期/Spring  京田辺/Kyotanabe  講義/Lecture

  宿久 洋 岡部 格明

<概要/Course Content Summary>

情報通信・計測技術の飛躍的な発展により,我々はビッグデータを含む様々なデータを扱い,そこから予測や特徴把握を実施する必要性はますます高まっている.これから専門如何に関わらず,データ・AIを避けて生活を送ることは難しく,データサイエンスの基礎を身につけることは非常に重要であると考えられる.特に,膨大な情報のなかから適切にデータ解析を実施できるようになり,かつ結果等を解釈できるようになる必要がある. 
 
本講義はデータサイエンス概論の受講した内容を前提としたデータサイエンスの基礎に関する講義である.データ分析の進め方から統計基礎までを実際のデータや統計ソフトであるRを用いて,身に付けることを目的としている.なお,本講義はすべてオンデマンドで実施される.

<到達目標/Goals,Aims>

分析目的に応じ,適切なデータ分析手法,データ可視化手法を選択でき,その意味を説明することができる. 
分析結果を元に,その背景や意味を理解することができる

<DO Week期間の初回動画等の配信/The delivery of the first video, etc. during the “DO Week”>

あり/ Deliver the video
・第1回講義動画


<授業計画/Schedule>

実施時期
/Week
授業回/Number of Lesson 授業実施方法
/How to conduct a Lesson
授業実施時間数
/Class Hours
内容/Contents
授業時間外の学習/Assignments
第1週 DO Week

1 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
ガイダンス
復習
第1週 DO Week

1 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第2週

2 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
分析設計(1)分析目的の設定
復習と小課題
第2週

2 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第3週

3 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
分析設計(2)標本調査と実験計画
復習と小課題
第3週

3 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第4週

4 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ観察(1)データの要約 
復習と小課題
第4週

4 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第5週

5 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ観察(2)データの集計,クロス集計表
復習と小課題
第5週

5 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第6週

6 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ観察(3)分割表の解析
復習と小課題
第6週

6 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第7週

7 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ分析(1)回帰分析と最小2乗法
復習と小課題
第7週

7 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第8週

8 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ分析(2)重回帰分析
復習と小課題
第8週

8 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第9週

9 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ分析(3)主成分分析と次元削減
復習と小課題
第9週

9 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第10週

10 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ分析(4)ロジスティック回帰分析と最尤法
復習と小課題
第10週

10 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第11週

11 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ分析(5)時系列解析
復習と小課題
第11週

11 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第12週

12 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データ分析(6)クラスター分析とデンドログラム
復習と小課題
第12週

12 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第13週

13 オンデマンド(動画視聴)/On-demand(watching video)

60 分/min
データの可視化 目的に応じた図表化と様々なグラフ
復習と小課題
第13週

13 オンデマンド(授業内課題)/On-demand(assignment in class)

30 分/min
講義内課題
復習
第14週

14 面接/Face-to-face

70 分/min
まとめと評価
復習
第14週

14 オンデマンド(授業内課題)/On-demand(assignment in class)

20 分/min
講義内課題
復習
授業期間終了後/After the Class Period

15 オンデマンド(動画視聴)/On-demand(watching video)

30 分/min
これまでのまとめ
復習
授業期間終了後/After the Class Period

15 オンデマンド(授業内課題)/On-demand(assignment in class)

60 分/min
自己評価
復習

<授業実施時間数/Class Hours>

授業実施方法/How to Conduct a Lesson 授業実施時間数/ Class Hours
面接/Face-to-face 70 分/min
オンデマンド(動画視聴)/On-demand(watching video) 810 分/min
オンデマンド(授業内課題)/On-demand(assignment in class) 470 分/min
リアルタイム配信/Real-time online 0 分/min
その他/Others 0 分/min
総合計/Total Amount of Class Hours 1350 分/min

講義では統計ソフトであるRを用いて,実際のデータを解析して統計学を学んでもらう予定であるが,第14回では筆記試験を実施する予定である.

アクティブラーニング/Active Learning

実習・実験・実技/ Practical Training・Experiment・Skills Practice

使用システム/System Tools

e-class, Panopto

<成績評価基準/Evaluation Criteria>

平常点(クラス参加,グループ作業の成果等)  20%  指定した期間内に講義動画を適切に視聴しているか. 
まとめと評価  50%  対面での筆記試験にて,講義の内容を理解しているか評価する. 
小課題  30%  小課題に取り組んでいるか. 

<テキスト/Textbook>

大田靖・宿久洋  『事例で分かる統計:教養のための統計入門』 (実教出版、2016) 280  ISBN:4-407-33284-1 

 

元山斉・伊藤有希・高橋一  『事例でわかる統計:経済・経営系のための統計入門』 (実教出版、2016) 192  ISBN:978-4-407-33711-2 

 

中村永友  『多次元データ解析法 (Rで学ぶデータサイエンス 2) 』 (共立出版、2009) ISBN:978-4320019225 

 

<参考文献/Reference Book>

北川源四郎/竹村彰通 編  『応用基礎としてのデータサイエンス-~AI×データ活用の実践~-』(講談社、2023)ISBN:978-4-06-530789-2 
 

<参照URL/URL>

同志社データサイエンス・AI教育プログラム(DDASH)  
本講義は,「同志社データサイエンス・AI教育プログラム(応用基礎レベル)」の必修科目でもある。本科目とプログラムの詳細については,リンク先ページや,全学共通教養教育科目履修要項を参照すること。  
数理・データサイエンス・AI教育強化拠点コンソーシアム 
本講義の内容は「数理・データサイエンス・AI教育強化拠点コンソーシアム」のモデルカリキュラム(応用基礎レベル)に準拠している。 
動画収録・配信システム Panopto 
講義動画は,e-classを通じてPanoptoにアップロードされます. 
「プライベートモード」や「シークレットモード」の設定はOFFにして講義動画を視聴する必要があります. 
リンク先の注意事項をよく読んで受講してください. 
 

<連絡方法 / Contact method>

科目担当者への連絡方法/Contact method from student to instructor

e-class

科目担当者からの連絡方法/Contact method from instructor to students

e-class

<備考/Remarks>

本科目を履修中止せずに受講を続けた場合,「同志社データサイエンス・AI教育プログラム(応用基礎レベル)」に申請したものとみなす(当該科目の不合格者も含む).各学期の履修中止期間の一週間程度後にDUETの「成績・履修状況」メニュー「その他教育プログラム」や,成績通知書の「学業に関する事項」欄に「同志社データサイエンス・AI教育プログラム(応用基礎レベル)」(DDASH-A)履修中である旨表示される.また,DDASH-A修了要件である他の科目も全て単位修得した場合,卒業時には本プログラムの修了が表示される.なお,学習歴のデジタル証明「オープンバッジ」については卒業可否に関わらず,プログラムの必要単位を満たし,希望すれば発行する.  
 
本科目は,「教育・学習活動への生成AI活用実証事業」の対象科目になります. 
個人情報保護および学習への影響に配慮しながら,いくつかの取り組みに参加していただくことになります. 
その旨,ご了承いただき授業登録をお願いします. 

 

お問合せは同志社大学 各学部・研究科事務室まで
 
Copyright(C) 2025 Doshisha University All Rights Reserved. 無断転載を禁止します。