理工学部Faculty of Science and Engineering
HUI200XE（人間情報学 / Human informatics 200）データサイエンス2データサイエンス2
周 金佳Jinjia ZHOU
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 理工学部Faculty of Science and Engineering |
| 添付ファイル名Attached documents | |
| 年度Year | 2024 |
| 授業コードClass code | H6199 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 水2/Wed.2 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 |
| 教室名称Classroom name | 小西館‐W306 |
| 配当年次Grade | 2年 |
| 単位数Credit(s) | |
| 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＜理工学部＞Category |
応用情報工学科 学科専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
This course introduces the fundamentals of data science using Python (with Google Colaboratory as the execution environment). Specifically, students learn data visualization and various data analysis techniques including statistical methods and machine learning.
The goal of this course is to understand various aspects of data analysis and machine learning techniques.
Before/after each class, students will be expected to spend two hours understanding the course content.
The final grade will be calculated according to the reports.
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
本講義ではpython（実行環境はgoogle colaboratory）を用いて、データサイエンスの基礎を学ぶ。具体的には、各種ライブラリを用いてデータ可視化、データ分析手法（統計手法、機械学習）を学ぶ。
到達目標Goal
１.データ分析の流れとデータの前処理を理解する。
2.データ可視化手法（ヒストグラム、箱ひげ図、散布図など）を理解する。
３．データ分析手法（回帰分析、分類、クラスタリング）を理解する。
4.機械学習の基本や精度評価の方法を理解する。
５．各種トレーニングデータ（音声データ、画像データ、動画データ、3D点群データ、シンセティックデータ）の分析手法を理解する。
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?
ディプロマポリシーのうち、「DP1」と「DP2」と「DP4」に関連
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. ）
PYTHON言語により実際のデータを取り扱いながらデータサイエンスの基礎を習得する。
本講義の具体的なテーマを示す。
1. データ分析の流れとデータの前処理
2. データ可視化
3. データ分析
4. 機械学習の基本
5. 各種トレーニングデータ
課題等の提出・フィードバックは「学習支援システム」を通じて行う予定です。
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.)
あり / Yes
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：対面/face to face
※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[対面/face to face]：データサイエンスの基本、
データサイエンスとは、データ分析の流れとデータの前処理
第2回[対面/face to face]：Google ColabとPython基礎
Google Colabの使い方、
pythonの基礎
第3回[対面/face to face]：データ可視化１
ヒストグラム、箱ひげ図
第4回[対面/face to face]：データ可視化２
散布図、その他のグラフ、
相関関係、分析で注意すべき点
第5回[対面/face to face]：データ分析: 回帰
単回帰分析、重回帰分析
第6回[対面/face to face]：データ分析: 回帰
一般化線形モデル
第7回[対面/face to face]：データ分析: 分類
ロジスティック回帰、ロジスティック回帰の指標
第8回[対面/face to face]：データ分析: クラスタリング
階層的クラスター分析と非階層的クラスター分析
第9回[対面/face to face]：機械学習概論
機械学習の基本や精度評価の方法
第10回[対面/face to face]：ニューラルネットワーク
ニューラルネットワークの基礎的概念、pythonによるニューラルネットワークの実装
第11回[対面/face to face]：AIとトレーニングデータ
トレーニングデータの位置付け、トレーニングデータの重要性
第12回[対面/face to face]：各種トレーニングデータ１
音声データ、画像データ
第13回[対面/face to face]：各種トレーニングデータ２
動画データ、3D点群データ、シンセティックデータ
第14回[対面/face to face]：Pythonデータ分析の応用
具体的な活用事例
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・復習等の授業時間外学習は、２時間を標準とする。
テキスト（教科書）Textbooks
Webサーバ上に置くパワーポイント資料
参考書References
須藤秋良（2020）『スッキリわかるPythonによる機械学習入門』インプレス
竹村彰通、姫野哲人、高田聖治、「データサイエンス入門」、学術図書出版社
中川 正雄著、「確率過程」 （電気・電子・情報工学系テキストシリーズ)、培風館
成績評価の方法と基準Grading criteria
[評価方法]
毎回提示されるレポート課題80%
平常点20%
授業中に積極的に発言する等を評価する。
[評価基準]６割以上の点数を合格基準とする。
学生の意見等からの気づきChanges following student comments
具体的な例題を増やし理解を助ける。
その他の重要事項Others
オンラインでの開講となった場合、オンライン授業の方法や授業計画の変更、成績評価方法の変更などについては、学習支援システムでその都度提示する。担当教員から学習支援システムを通じた連絡がないか、日ごろからよく確認するようにしてください。