経営学部Faculty of Business Administration
MAN104FA（経営学 / Management 100）入門演習（2018年度以前入学者）入門演習（2018年度以前入学者）
高橋 慎Makoto TAKAHASHI
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 経営学部Faculty of Business Administration |
| 添付ファイル名Attached documents | |
| 年度Year | 2024 |
| 授業コードClass code | A4627 |
| 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 | 火2/Tue.2 |
| 科目種別Class Type | |
| キャンパスCampus | 市ヶ谷 |
| 教室名称Classroom name | 市ＢＴ‐０９０３ |
| 配当年次Grade | 1 |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | ※本授業では、受講希望者が教室定員を超えてしまった場合、初回授業で選別を行います。必ず、初回授業に出席してください。 |
| 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 | |
| 入学年度Admission year | |
| カテゴリー（2019年度以降）Category (2019～) | |
| カテゴリー（2018年度以前）Category (～2018) |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
Course Outline:
In the era of big data, data science is an essential literacy for all university students. This introductory course covers a wide range of topics from the basics to the applications of data science, aiming to understand its social significance and role. Students will learn about the fundamental concepts, tools, and methods of data science, and acquire skills geared towards solving real-world problems.
Learning Objectives:
- Understand and explain the basic concepts of data science.
- Acquire basic knowledge of statistics and apply it to data analysis.
- Understand examples of data science applications and consider how to apply them to areas of interest.
Learning Activities Outside of Classroom:
- Read the relevant sections of the text in advance.
- After class, review the text and materials to check your understanding of the basic concepts.
- Standard preparation and review time for this class is 2 hours each.
Grading Criteria:
- Assignment study 100%
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
ビッグデータ時代において、全ての大学生にとって不可欠なリテラシーであるデータサイエンスについての入門コースです。この授業では、データサイエンスの基礎から応用までを広範囲にわたり概観し、その社会的意義や役割を理解することを目的とします。学生はデータサイエンスの基本概念、ツール、手法について学び、実世界の問題解決に向けたスキルを身につけます。
到達目標Goal
・データサイエンスの基本概念を理解し、説明できる。
・統計学の基礎知識を身につけ、データ分析に応用できる。
・データサイエンスの応用事例を理解し、興味のある分野への応用を考える。
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. ）
・理論と実践をバランス良く組み合わせるため、講義で学んだ理論を実際のデータセットを使った演習を通じて実践します。
・テキストの課題学習に取り組み、解答プロセスと結論をクラスの前で発表し、他の学生や教員からのフィードバックを受けます。
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]：ガイダンス/現代社会におけるデータサイエンス1
授業の概要を説明します。また、データサイエンスの役割について学び、課題学習を行います。
第2回[対面/face to face]：現代社会におけるデータサイエンス2
データサイエンスと情報倫理について学び、課題学習を行います。
第3回[対面/face to face]：現代社会におけるデータサイエンス3
データ分析のためのデータの取得と管理について学び、課題学習を行います。
第4回[対面/face to face]：データ分析の基礎1
ヒストグラム・箱ひげ図・平均分散について学び、課題学習を行います。
第5回[対面/face to face]：データ分析の基礎2
散布図と相関係数について学び、課題学習を行います。
第6回[対面/face to face]：データ分析の基礎3
回帰直線について学び、課題学習を行います。
第7回[対面/face to face]：データ分析の基礎4
データ分析で注意すべき点について学び、課題学習を行います。
第8回[対面/face to face]：データサイエンスの手法1/コンピュータを用いた分析1
クロス集計、回帰分析、Excelを用いたデータ分析について学び、課題学習を行います。
第9回[対面/face to face]：データサイエンスの手法2
ベイズ推論、アソシエーション分析、クラスタリングについて学び、課題学習を行います。
第10回[対面/face to face]：データサイエンスの手法3
決定木、ニューラルネットワーク、機械学習と人工知能について学び、課題学習を行います。
第11回[対面/face to face]：コンピュータを用いた分析2
統計解析ソフトRを使ったデータ分析について学び、課題学習を行います。
第12回[対面/face to face]：コンピュータを用いた分析3
プログラミング言語Pythonを使ったデータ分析について学び、課題学習を行います。
第13回[対面/face to face]：データサイエンスの応用事例
マーケティング、金融、品質管理、画像処理、音声処理、医学への応用事例について学びます。
第1回[対面/face to face]：まとめ
授業の総括を行います。
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.)
・テキストの該当箇所を事前に読みます。
・授業後にテキストや資料を見直し、基本概念の理解度を確認します。
・本授業の準備学習・復習時間は、各2時間を標準とします。
テキスト（教科書）Textbooks
竹村彰通・姫野哲人・高田聖治 編『データサイエンス入門 第2版』学術図書出版社
参考書References
授業内で適宜紹介します。
成績評価の方法と基準Grading criteria
課題学習100%
学生の意見等からの気づきChanges following student comments
特になし
学生が準備すべき機器他Equipment student needs to prepare
エクセルなどのソフトウェアを利用できるパソコンが必要です。
関連科目
統計学入門
データサイエンス入門
基礎統計学I/II
経営のための統計学I/II