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DThe Basics of Applied Data Science D
髙田 美樹Miki TAKATA
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 | A9806 |
旧授業コードPrevious Class code | |
旧科目名Previous Class title | |
開講時期Term | 年間授業/Yearly |
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) | 4 |
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)
Can learn about mathematics, data science, and AI (literacy level) Complementary and developmental. And can acquire the ability to extract meaning from data, to feed it back to the field, and to solve problems by utilizing AI by practical training. So will acquire a broad perspective for your own fields to apply mathematics, data science, and AI.
(Learning Objectives)
The goals of this course are to understand programming concepts and methods of data analysis through programming Python.
(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 /Policies)
Evaluation is based on the total score of each check test(100%), 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教育(リテラシーレベル)の教育を補完的・発展的に学び、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実習を行う。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。本科目は、実習形態で開講するが、具体的には、数理・データサイエンス・AIの活用における一連のプロセスである「課題の発見と定式化」・「データの取り扱い」・「モデル化」・「結果の可視化」・「検証、活用」を実習を通じて学ぶことを目的にしている。
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を実践することで、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。
Pythonプログラミングを実習し、プログラミングの考え方とプログラミングによるデータ解析の手法を理解する。
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、動画に沿って実習を行う。
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
•プログラミングの考え方ととりまく環境を理解する。
•実習環境を整備し、利用法を学ぶ。
第2回[オンライン/online]:数値演算
•簡単な算術計算を行い、演算子の種類を学ぶ。
•コメント文の有効性と書き方を学ぶ。
第3回[オンライン/online]:変数の基礎
•変数の概念を学び、簡単な計算を実習する。
•変数の内容を表示する方法を学ぶ。
第4回[オンライン/online]:論理・比較演算と分岐の基礎
論理・比較演算と分岐の基礎•論理値の概念を学び、論理演算・比較演算を理解する。
•論理値を用いた分岐処理の基礎を実習する。
第5回[オンライン/online]:文字列
•文字を加工するための演算を学ぶ。
•文字の内部表現を理解する。
第6回[オンライン/online]:リスト
•リストを用いて、複数のデータを扱う方法を実習する。
第7回[オンライン/online]:条件分岐
•多肢選択や、分岐の入れ子を学び、少し複雑な条件による選択構造の実践例を実習する。
第8回[オンライン/online]:辞書
•キーとバリューの組でデータを表現する方法を学ぶ。
第9回[オンライン/online]:繰り返し
•リストや辞書に格納されたデータを繰り返しで扱う方法を学ぶ。
第10回[オンライン/online]:ファイルの読み込み
•インターネットなどから収集したデータを読み込んで処理する方法を実習する。
第11回[オンライン/online]:グラフ(1)
•Matplotlibライブラリを用いてグラフを作成し、データを可視化する。
第12回[オンライン/online]:グラフ(2)
•Seaboneライブラリを用いてよい多彩なグラフを作成し、データを可視化する。
第13回[オンライン/online]:総合演習(1)
•インターネットから情報を収集し、これまで学んだ内容をすべて利用してデータ分析に向けたデータの加工を行う。
第14回[オンライン/online]:総合演習(2)
•第13回で取得した複数のデータを可視化し、比較検討などの考察を行う。
第15回[オンライン/online]:春学期の復習
・春学期に学習した内容をPythonの基礎を中心に復習する。
第16回[オンライン/online]:関数
•関数を利用することの利点を理解し、処理を部品化する過程を学ぶ。
第17回[オンライン/online]:関数の引数(1)
•関数に値を入力する技術として引数を学び、関数をより汎用化する方法を実習する。
第18回[オンライン/online]:関数の引数(2)
•関数に複数の引数を与える記述を学ぶ。引数のデフォルト値の指定や可変長の引数を学ぶことでより実践的な関数の利用を実習する。
第19回[オンライン/online]:関数の戻り値
•関数から出力を得る技術として戻り値を学び、呼び出し側との連携を実習する。
第20回[オンライン/online]:Numpyライブラリ
•配列を構築し、演算を行う。
•スライスによる部分取り出しの方法を実習する。
第21回[オンライン/online]:行列の演算の応用
•Numpyを利用すると行列の演算を容易に行うことがでる。簡単な線形代数を実習する。
第22回[オンライン/online]:Pandasライブラリ
•シリーズとデータフレームの利用法を学び、CSVファイルからデータを読み込む方法実習する。
第23回[オンライン/online]:データの絞り込み
•データフレームを利用して、大量のデータの中から必要なデータを抽出する方法を学び実習する。
第24回[オンライン/online]:データの統計量
•データフレームを利用して、大量のデータの統計量を求める方法を学び、実習する。
第25回[オンライン/online]:scikit-learnライブラリ
•機械学習の種類を学び、付属のデータを用いて、機械学習を試みる。
第26回[オンライン/online]:機械学習による分類
•手描き文字の認識を実習する。
第27回[オンライン/online]:機械学習による回帰
•インターネットから取得したデータを利用して予測する実習を行う。
第28回[オンライン/online]:総合演習
•1年間の実習を通しての総復習を行う。
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
必要に応じて授業支援システムより提示する。
成績評価の方法と基準Grading criteria
各回の講義内容に対する課題による(100%)
学生の意見等からの気づきChanges following student comments
はじめての科目のため、なし
学生が準備すべき機器他Equipment student needs to prepare
オンデマンドのため、動画を視聴し、授業支援システムにアクセスすることのできる端末。
インターネットに接続できるパソコン(MacでもWindowsでも可能)
その他の重要事項Others
特になし
オフィスアワー
質問箱により受け付ける