全学共通教育プラットフォームIntegrated Education Platform
PRI200LD（情報学基礎 / Principles of informatics 200）データサイエンス応用基礎AThe Basics of Applied Data Science A
児玉 靖司、宮崎 誠、髙田 美樹、高松 邦彦、卯木 輝彦Yasushi KODAMA, Makoto MIYAZAKI, Miki TAKATA, Kunihiko TAKAMATSU, Teruhiko UNOKI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 全学共通教育プラットフォームIntegrated Education Platform |
| 添付ファイル名Attached documents | |
| 年度Year | 2023 |
| 授業コードClass code | A9803 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 春学期授業/Spring |
| 曜日・時限Day/Period | 集中・その他/intensive・other courses |
| 科目種別Class Type | |
| キャンパスCampus | |
| 教室名称Classroom name | 市市他‐その他 |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) | |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| カテゴリーCategory |
データサイエンス科目群 データサイエンス科目群（応用基礎レベル） |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
[Course Outline(in English)]
You can learn mathematics, data science and AI in a complementary and developmental way. You can acquire the ability to extract meaning from data and provide feedback to the field, as well as the basic ability to utilize AI to solve problems, focusing on the operational aspect.
So you will acquire a broad perspective for your own fields to apply mathematics, data science, and AI.
[Learning Objectives]
Using the basic concepts, methods and application examples of data science and data engineering, you can understand methods for extracting meaning from data and providing feedback to the field.
[Learning Activities Outside of Classroom]
The standard preparatory study and review time for this class is 2 hour each. Work on quizzes, etc, that are imposed online.
[Grading Criteria/Policy]
Evaluation is based on the total score of each check test(70%),in-class comprehensive test(final test) and submission of each questionnaire(30%). Please note that each check test has a deadline.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
数理・データサイエンス・AI（リテラシーレベル）を補完的・発展的に学ぶ。データから意味を抽出し、現場にフィードバックする能力、AIを活用し課題解決につなげる基礎能力について運用を行う側面を中心に修得する。そして、自らの専門分野に数理・データサイエンス・AIを応用するための大局的な視点を獲得する。
到達目標Goal
データサイエンスおよびデータエンジニアリングの基本的な概念と⼿法、応⽤例を学ぶことで、データから意味を抽出し、現場にフィードバックするための方法を理解する。
AIの基本的な概念と⼿法、応⽤例を通して、AIを社会に生かしていく方法を学び、AI技術を活用した課題解決とは何かを理解する。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
大学のディプロマポリシーのうち、「法政DP-Ⅲ」「法政DP-Ⅳ」に関連。
大学のディプロマポリシー詳細はこちら。
https://www.hosei.ac.jp/hosei/daigakugaiyo/rinen/hoshin/gakui_juyo/
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
オンデマンド方式により配信された講義資料と動画で学習し、毎回の小テストによって知識を定着させる。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
なし / No
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：オンライン/online
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[オンライン/online]：ガイダンス
講義の概要と進め方、諸注意
第2回[オンライン/online]：データ駆動社会とデータサイエンス
データ駆動型社会においてデータサイエンスを学ぶことの意義を理解する。データ利活⽤の流れを理解する。
第3回[オンライン/online]：ビッグデータとデータエンジニアリング
ビッグデータとデータエンジニアリングを実現可能とした背景としてICT(情報通信技術)の発展を理解する。ビッグデータの活用事例を理解する。
第4回[オンライン/online]：データの観察と可視化
データ分析を進めるための考え方を理解する。グラフによる可視化の方法を理解する。
第5回[オンライン/online]：データの分析
回帰分析の方法と応用例を理解する。時系列分析の方法と応用例を理解する。
第6回[オンライン/online]：データ収集と加工
通信技術と通信プロトコルを理解する。IoTからのデータ収集の方法を理解する。データクレンジングの必要性を理解する。
第7回[オンライン/online]：情報セキュリテイ
情報資産とリスクを理解する。脅威と対策を理解する。
第8回[オンライン/online]：AIの歴史
人工知能研究のはじまりから現在に至るまでの歴史を理解する。
第9回[オンライン/online]：AI技術
機械学習の種類と概要を理解する。
第10回[オンライン/online]：AIの応用分野
人工知能技術の活用について理解する。
第11回[オンライン/online]：AIと社会
データやAIにまつわる基本的な倫理と合意事項について理解する。AIの知的財産権について理解する。
第12回[オンライン/online]：AIの構築と運用
AIの開発環境と実行環境を理解する。AIの品質保証と信頼性を理解する。
第13回[オンライン/online]：AIを活用したシステム
AI技術によるサービスの例を理解する。
第14回[オンライン/online]：まとめ
期末テスト
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
本授業の準備学習・復習時間は各２時間を標準とする。
テキスト（教科書）Textbooks
講義資料として毎週授業支援システムより配布する。
参考書References
授業支援システムより適宜指定する。
成績評価の方法と基準Grading criteria
毎回のチェックテスト（70%）と授業内総合テストと毎回のアンケートの提出（30%）の合計点で評価を行う。毎回のチェックテストには、受講期限があるので注意すること。
学生の意見等からの気づきChanges following student comments
質問に対して、できるだけ迅速に返答するようにする。
学生が準備すべき機器他Equipment student needs to prepare
インターネットに接続できる端末。オンデマンドの動画を視聴、ブラウザから小テストに回答、授業支援システムにアクセスする必要がある。