| 区分 |
必修 |
講義 |
| 開催時期・標準履修年次 |
2年次 |
前期 |
| 講義・演習駒数／週 |
1駒 |
| 実習・実験駒数／週 |
0駒 |
| 合計駒数／週 |
1駒 |
| 総時間数 |
30時間 |
| 総単位数 |
2単位 |
| 企業連携 |
無 |
| 授業の目的 |
企業活動で蓄積された各種データをどのようにビジネスに活用するか、その手法の基礎やAI、データに関連するセキュリティなどの課題等について学習することを目的とする。また、データサイエンス理解に必須な統計学の基礎やロジカルシンキングについても併せて学ぶ。 |
| 到達目標 |
各種データをビジネスに活用する手法の基礎について理解し、活用出来るようになることを目的とする。 |
| 評価項目 |
①定期テスト |
②小テスト |
③レポート |
④課題 |
⑤作品 |
⑥ﾎﾟｰﾄﾌｫﾘｵ |
⑦成果発表 |
⑧その他 |
| 割合 |
70% |
% |
% |
30% |
% |
% |
% |
% |
| 評価基準 |
各回で取り上げる概念や各種手法等について、理解していること。
課題を提出していること。定期テストで基準以上の成績を取ること。 |
※上記に示した評価項目の割合（％）を基準に、総合評価点を算出して成績評価を行う。
※出席率が80％未満の場合は、評価対象としない。
| 担当教員 |
石井 元 |
| テキスト・参考文献 |
データ分析に必須の知識・考え方 統計学入門（ソシム）、講師作成のレジメ |
| 実務経験有無 |
有 |
| 外資系大手ITコンサルティング会社でコンサルタント、通信・ソフトウエア会社でマーケティング部長やデジタルメディア部長をしたのち、これらの経験を活かし、データサイエンスの状況を企業での事例をまじえ実践的な教育を行なう。
|
授業外学習
（予習・復習等） |
課題を行い提出する。
授業で提示されたテキストや資料を使って復習を行う。 |
履修前提
※自由選択科目のみ記載 |
|
授業計画 |
| 回数 |
学習目標 |
学習項目 |
| 1 |
データとはなにかを理解し、なぜデータが現代において重要になってきているかを知る。 |
ガイダンス（授業概要、目的、評価方法等）
|
| 【理解度確認】講師質問で確認する。 |
| 2 |
データ分析における統計学の役割 |
データサイエンスの基礎 |
| 【理解度確認】講師質問で確認する。 |
| 3 |
データ分析の目的と対象を設定する |
データサイエンスの基礎 |
| 【理解度確認】講師質問で確認する。 |
| 4 |
データの種類・統計量・確率 |
データサイエンスの基礎 |
| 【理解度確認】講師質問で確認する。 |
| 5 |
推測統計〜信頼区間 データから母集団の性質を推測する |
データサイエンスの基礎 |
| 【理解度確認】講師質問で確認する。 |
| 6 |
仮説検定 仮説の検証とp値 |
データサイエンスの基礎 |
| 【理解度確認】講師質問で確認する。 |
| 7 |
様々な仮説検定 t検定から分散分析、カイ二乗検定まで |
数理モデル基礎 |
| 【理解度確認】講師質問で確認する。 |
| 8 |
回帰と相関 2つの量的変数の関係を分析する |
数理モデル基礎 |
| 【理解度確認】講師質問で確認する。 |
| 9 |
統計モデリング 線形回帰から一般化線形モデルへ |
数理モデル基礎 |
| 【理解度確認】講師質問で確認する。 |
| 10 |
仮説検定における注意点 再現可能性とp-hacking |
数理モデル基礎 |
| 【理解度確認】講師質問で確認する。 |
| 11 |
因果と相関 誤った解釈をしないための考え方 |
数理モデル基礎 |
| 【理解度確認】講師質問で確認する。 |
| 12 |
ベイズ統計 柔軟な分析へ向けて |
数理モデル基礎 |
| 【理解度確認】講師質問で確認する。 |
| 13 |
統計分析に関わるその他の手法 主成分分析から機械学習まで |
機械学習の応用 |
| 【理解度確認】講師質問で確認する。 |
| 14 |
モデル 統計モデル・機械学習モデル・数理モデル |
機械学習の応用 |
| 【理解度確認】講師質問で確認する。 |
| 15 |
これまでの内容を振り返り、各章の理解を深めることが出来るようになる。 |
振り返り・まとめ |
| 【理解度確認】講師質問で確認する。 |
