愛媛大学におけるデータサイエンス教育
開講年度 | 2020 | 開講学期 | 第1クォーター |
---|---|---|---|
開講学部 | 共通教育 | 授業科目区分 | 教養科目 学問分野別科目 |
科目ナンバリング | GnE1C-0CAT-016 | 時間割番号 | A0534 |
対象学生 | 学問分野別科目木1科目帯 法文・教育・社共・農一 | 対象年次 | 1~9 |
科目名[英文名] | 数学入門 [Introduction to Mathematics] | 単位数 | 1 |
担当教員 | 平野 幹, 高橋 裕子 [HIRANO Miki, TAKAHASHI Yasuko] | ||
授業題目 | データリテラシー入門(Introduction to data literacy) | ||
授業のキーワード | データ(data),データサイエンス(Data Science), 統計(Statistics) | ||
授業の目的 | データは理工分野に限らず、生物・環境・農学・医学、経済、人文科学等、あらゆる分野で実験、研究、社会調査、実績値 等として収集、活用されている。自身でデータを収集、解析しない場合でも、すでにあるデータを入手、解釈を利用して自 らの判断や行動を決定することは、現代社会では頻繁に起こる。本講義では、「データ収集の客観性(どのようにして得ら れたのか)」「解析・結論の妥当性(どのように解釈されたのか)」に分けて理解することにより、データとは何か、注意す べきこと、ビッグデータ/AIでできること、できないことなどの理解を深める。 | ||
授業の到達目標 |
・データを利用した解釈・結論を見て、データ収集、解析、解釈それそれの段階でどのような間違いや意図が紛れ込む可能性があるかを、具体例を挙げて説明できる。 ・標本調査とは何か、標本調査の結果に幅がある理由を説明できる。 ・AI技術が大量のデータ(ビッグデータ)に支えられていることを理解し、その可能性と限界を説明できる |
||
ディプロマ・ポリシー(卒業時の到達目標)/ 共通教育の理念・教育方針に関わる項目 | 自らの個性や適性に基づき学び続ける基本姿勢(基本姿勢) | ||
愛媛大学学生として期待される能力(愛大学生コンピテンシー)に関わる項目 |
必要な情報を収集・整理できる 広い視野と論理的思考に基づき分析・解釈できる 客観的根拠に基づき判断し、解決策を提示できる 目的達成のために多様な人と協働できる |
||
授業概要 | 本授業における「データ」は、数値として得られる情報(数値化して取り扱い可能な情報も含む)と考え、データを扱い、 理解する上で必要な基礎知識を学ぶ。はじめにデータにはどのようなものがあるのか、その成り立ちと解釈に分けて理解す ることの重要性を学ぶ。できるだけ多くの事例に接し、データ収集・データ解釈・表現の過程に意図が入りうることを統計 処理の概要に触れながら考察する。 | ||
授業スケジュール |
1.ガイダンス: 「データ」の成り立ち、分析で何がわかるか 2.データの種類、数値の客観性 意図はどのように入り込むのか 3.基本統計量1: (グラフ、平均、分散) データを代表する値 4.基本統計量2: (散布図、相関、因果関係) データの関連性 5.回帰分析 予測するには 6.推定・検定 数値はどの位信頼できるのか 7.AIの周辺技術概要、事例と課題 8.まとめ、試験と解説 |
||
授業時間外学習にかかわる情報 | 配布資料を熟読し、授業中に紹介するリンク等を元に出された課題に取り組むこと。また、参考書等を用いて自発的な学習に 取り組むこと。 | ||
成績評価方法 |
レポート50%,期末試験50% (出席が3分の2以上の時評価する) |
※オフィスアワーなどは シラバス検索で確認すること
開講年度 | 2020 | 開講学期 | 第2クォーター |
---|---|---|---|
開講学部 | 共通教育 | 授業科目区分 | 教養科目 学問分野別科目 |
科目ナンバリング | GnE1C-0CAT-016 | 時間割番号 | B0534 |
対象学生 | 学問分野別科目木1科目帯 法文・教育・社共・農一 | 対象年次 | 1~9 |
科目名[英文名] | 数学入門 [Introduction to Mathematics] | 単位数 | 1 |
担当教員 | 平野 幹, 高橋 裕子 [HIRANO Miki, TAKAHASHI Yasuko] | ||
授業題目 | データリテラシー入門(Introduction to data literacy) | ||
授業のキーワード | データ(data),データサイエンス(Data Science), 統計(Statistics) | ||
授業の目的 | データは理工分野に限らず、生物・環境・農学・医学、経済、人文科学等、あらゆる分野で実験、研究、社会調査、実績値 等として収集、活用されている。自身でデータを収集、解析しない場合でも、すでにあるデータを入手、解釈を利用して自 らの判断や行動を決定することは、現代社会では頻繁に起こる。本講義では、「データ収集の客観性(どのようにして得ら れたのか)」「解析・結論の妥当性(どのように解釈されたのか)」に分けて理解することにより、データとは何か、注意す べきこと、ビッグデータ/AIでできること、できないことなどの理解を深める。 | ||
授業の到達目標 |
・データを利用した解釈・結論を見て、データ収集、解析、解釈それそれの段階でどのような間違いや意図が紛れ込む可能性があるかを、具体例を挙げて説明できる。 ・標本調査とは何か、標本調査の結果に幅がある理由を説明できる。 ・AI技術が大量のデータ(ビッグデータ)に支えられていることを理解し、その可能性と限界を説明できる |
||
ディプロマ・ポリシー(卒業時の到達目標)/ 共通教育の理念・教育方針に関わる項目 | 自らの個性や適性に基づき学び続ける基本姿勢(基本姿勢) | ||
愛媛大学学生として期待される能力(愛大学生コンピテンシー)に関わる項目 |
必要な情報を収集・整理できる 広い視野と論理的思考に基づき分析・解釈できる 客観的根拠に基づき判断し、解決策を提示できる 目的達成のために多様な人と協働できる |
||
授業概要 | 本授業における「データ」は、数値として得られる情報(数値化して取り扱い可能な情報も含む)と考え、データを扱い、 理解する上で必要な基礎知識を学ぶ。はじめにデータにはどのようなものがあるのか、その成り立ちと解釈に分けて理解す ることの重要性を学ぶ。できるだけ多くの事例に接し、データ収集・データ解釈・表現の過程に意図が入りうることを統計 処理の概要に触れながら考察する。 | ||
授業スケジュール |
1.ガイダンス: 「データ」の成り立ち、分析で何がわかるか 2.データの種類、数値の客観性 意図はどのように入り込むのか 3.基本統計量1: (グラフ、平均、分散) データを代表する値 4.基本統計量2: (散布図、相関、因果関係) データの関連性 5.回帰分析 予測するには 6.推定・検定 数値はどの位信頼できるのか 7.AIの周辺技術概要、事例と課題 8.まとめ、試験と解説 |
||
授業時間外学習にかかわる情報 | 配布資料を熟読し、授業中に紹介するリンク等を元に出された課題に取り組むこと。また、参考書等を用いて自発的な学習に 取り組むこと。 | ||
成績評価方法 |
レポート50%,期末試験50% (出席が3分の2以上の時評価する) |
※オフィスアワーなどは シラバス検索で確認すること
開講年度 | 2020 | 開講学期 | 第2クォーター |
---|---|---|---|
開講学部 | 共通教育 | 授業科目区分 | 教養科目 学問分野別科目 |
科目ナンバリング | GnE1C-0CAT-016 | 時間割番号 | B0531 |
対象学生 | 学問分野別科目月1科目帯 医一,工(能材)三 | 対象年次 | 1~9 |
科目名[英文名] | 数学入門 [Introduction to Mathematics] | 単位数 | 1 |
担当教員 | 平野 幹, 松浦 真也 [HIRANO Miki, MATSUURA Masaya] | ||
授業題目 | データリテラシー入門 (Introduction to Data Literacy) | ||
授業のキーワード | データサイエンス(Data Science), 統計(Statistics) | ||
授業の目的 | 今、世の中では「第4次産業革命」の到来が叫ばれており、その中核を成すのが、データサイエンスである。大学で専門分野 を学ぶ上でも、また、卒業後に社会で活躍するためにも、データ解析の知識と能力が欠かせなくなっている。この授業で は、様々な種類のデータを、科学的見地から客観的に分析するための手法について、その基礎を学ぶ。 | ||
授業の到達目標 |
・データを客観的に扱うことの大切さや難しさを、具体例を挙げて説明できる ・データのグラフを適切に描いたり、解釈したりすることができる ・統計誤差やデータの偏りを過大評価している例を列挙できる ・平均値や相関係数の意味や役割を正しく説明できる。 |
||
ディプロマ・ポリシー(卒業時の到達目標)/ 共通教育の理念・教育方針に関わる項目 |
学習活動や社会生活で必要な技能(基本技能) 問題の発見・解決に取り組むための思考力(基本的思考力) |
||
愛媛大学学生として期待される能力(愛大学生コンピテンシー)に関わる項目 |
必要な情報を収集・整理できる 広い視野と論理的思考に基づき分析・解釈できる 客観的根拠に基づき判断し、解決策を提示できる |
||
授業概要 | まず、データサイエンスについて広く眺め、どの学問分野においても、データの客観的な分析が必要不可欠であることを知 る。それを踏まえ、豊富な実例を用い、アクティブラーニングも交えて、データの基本的な扱い方を身につける。その際、 統計解析ツールの使い方というよりは、科学的な思考方法に重点を置く。 | ||
授業スケジュール |
第1回:本授業の目的と意義、データと客観性 第2回:データの可視化 第3回:統計誤差 第4回:ランダム性 第5回:平均値の意義 第6回:相関関係と因果関係 第7回:相関係数と線形性 第8回:まとめ(試験と解説) |
||
授業時間外学習にかかわる情報 | 配布資料を熟読し、出された課題に取り組むこと。また、参考書等を用いて自発的に発展的な内容を探求すること。 | ||
成績評価方法 |
・提出物 20% ・テスト(小テストを含む) 80% |
※オフィスアワーなどは シラバス検索で確認すること