ICT社会応用IC・データサイエンス

ICT技術を活用した社会の課題解決においては、世の中に流通するデータの理解と、その活用が鍵となる。本講義の前半では、大量のデータから有用な情報を引き出すための、さまざまな統計学的手法や機械学習の応用を学ぶ。事例にとどまらず、pythonコードを用いて実装とともにデータサイエンスの応用手法を学習する。本講義の後半では、オープンデータをはじめとした、世の中に流通する様々なデータと、その周辺事情を学習する。

"医療データやオープンデータなどに対してPythonを用いて基本的な統計分析や機械学習を適用することができる。
基礎となるプログラムを変更し機能変更・拡張ができるようになる。
オープンデータの考え方を理解し、自分で探すことができる。
統計、気象、交通といった代表的なデータに関する知識とその扱い方を身につける。"

"Week1: 医療データの可視化①
Week2: 医療データの可視化②
Week3: 各種データの分析①
Week4: 各種データの分析②
Week5: 各種データの分析③
Week6: 医療データへの機械学習応用
Week7: LLM応用
Week8: まとめ
Week9: オープンデータとは
Week10:公共交通分野のオープンデータ①
Week11:公共交通分野のオープンデータ②
Week12:地図・国土のオープンデータ
Week13:統計のオープンデータ
Week14:その他のデータ
Week15:期末試験"

"【前半：データサイエンス】座学＋ハンズオンの組み合わせ。座学で方法の原理と概要を理解し、サンプルプログラムでその実現方法を理解する。サンプルプログラムをもとに、別のデータに対する解析を行うプログラムを作成し、またプログラムの変更、機能拡張などに取り組むことで、理解を深める。
【後半：オープンデータ】座学＋ハンズオンの組み合わせ。座学で様々なデータに関する背景事情などを解説する。ハンズオンでは、サンプルプログラムを用いて実際にデータに触れ、理解を深める。"

事前学習を勧める．講義後には、理解度が低かったトピックや課題の復習を十分に行うこと。各回、次の週に簡単なクイズを行い理解度を確認する。

受講態度、試験、各回冒頭の理解度確認小テスト、課題提出、講義への積極的な取り組みを総合的に評価する。

"ハンズオンでは、JupyterLab上でnumpy/pandas/matplotlibなどのライブラリを利用するPythonプログラムを扱うので、
講義前に習熟しておくことが必須である。MOOCsなどを活用して自学自習することを強く推奨する。"

特に指定しない

講義の中で適宜紹介する

"「情報連携のための確率・統計学I/II」
「DS基礎」
「DS演習I/II」"