データサイエンスの基礎を学ぶ

現在のビッグデータ時代においては、分野に問わずあらゆるところで、蓄積されたデータを解析し、未来の見通しや意思決定のための必要な情報を得る「データサイエンス」が必要不可欠になっている。本講義では、1年次から学習してきたPythonプログラミングを活用して、データを正しく処理し、有用な情報を適切に引き出して、各自が学ぶ専門分野に応用するために必要なデータサイエンス技術の基礎を学ぶ。以下のトピックについて、コンピュータ・サイエンス演習IIIと併せて、座学とともに実際に手を動かしてプログラミングを行いながら理解を深める。

・numpy, pandas, matplotlibなどのPythonライブラリを用いたデータ解析と可視化
・統計解析、機械学習、深層学習など、データサイエンスの基礎技術の原理とプログラミング

本講義では、以下の修得を目標とする。
・Pythonプログラミングを用いたデータの解析と可視化が自分で行えるようになること。
・統計解析、機械学習、深層学習などのさまざまな基礎技術の原理を理解すること。またこれらのサンプルプログラムの内容を理解し、自分の問題に合わせて正しく改変または新規作成・実行できるようになること。

01. 仮想環境構築、ガイダンス【オンデマンド】
※履修登録期間より視聴可能。
02. 作業環境の確認、numpy, pandas
03. データの読み込みと確認
04. データの把握、可視化
05. データの加工・抽出、クレンジング
06. データの集計、時系列データの解析
07. 散布図とクラスタリング
08. 相関と線形単回帰分析
09. 線形重回帰分析
10. 中間試験、中間試験解説と解きなおし【オンデマンド】
11. ロジスティック回帰/機械学習基礎とニューラルネットワーク
12. ニューラルネットワークのプログラミング/予測精度評価
13. ランダムフォレスト、ランダムフォレストによる分類予測
14. ランダムフォレストによる数値予測、深層学習基礎とCNN
15. CNNのプログラミング
16. 期末試験

通常授業期間中の13回の対面授業と、オンデマンドによる動画配信2回を組み合わせた講義形式。スケジュール詳細はガイダンスの中で説明する。
対面回・非対面回を問わず、また講義時間外でも、slackによる質問は随時受け付ける。できれば講義用チャンネルで質問を他学生と共有することが望ましい。

INIAD MOOCsによる事前学習が必須である(90分目安)。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い(90分目安)、次回講義の小テストで理解度を確認する。

複数回の試験の成績(80%)、受講態度、各回の理解度確認小テスト、課題提出を含めた講義への積極的な取り組みなど(20%)を総合的に評価する。
なお、スキルの習得が主要な目的の1つであるため、十分なスキルが身についていることが確認できない場合に、それ以外の項目で埋め合わせて単位を取得することはできない。

なし。

各回の講義に対応したINIAD MOOCs教材を提供する。

必要に応じて講義の中で紹介する。

コンピュータ・サイエンス演習III
コンピュータ・サイエンス概論I, II、コンピュータ・サイエンス演習I, II
確率・統計I, II
数学I, II

オンデマンド動画はINIAD MOOCsにより配信する。 

＜本学の授業について＞
　本学では、13週の通常授業期間内で13回の通常授業及び、その他に２回分のオンデマンド授業等を開講する形態を採用しています。各回の教室内授業は90分で実施され、合計15回分の授業時間を担保する講義スケジュールを基本としています。
※一部科目では、授業期間、授業回数および授業形態等が異なる場合がありますので、授業の詳細はシラバス等で必ず確認してください。

［注］
　教員の指導のもとで、事前・事後学習を含めて１単位45時間の学修時間を担保することが求められます。
　なお、本学では、大学設置基準等の法令に基づき、年間35週以上の授業日程（学年暦）を定め、通常授業期間のほかに、T-Weeksにおける特別授業期間、夏季・春季セッション期間における集中授業等を実施する授業日程としております。