シラバス参照

授業情報／Class Information

科目一覧へ戻る 2026/03/24 現在

基本情報/Basic Information

開講科目名
／Course 		データサイエンス／Data Science
時間割コード
／Course Code 		F370271001
開講所属
／Course Offered by 		産業情報学部産業情報学科コースなし／College of Industry and Information Science Department of Industry and Information Science
開講区分
／semester offered 		後期／Second Semester
単位数
／Credits 		2.0
学年
／Year 		2,3,4
主担当教員
／Main Instructor 		平良　直之／Naoyuki TAIRA
科目区分
／Course Group 		専門科目　専門科目選択／専門科目 専門科目選択
遠隔授業
／Remote lecture 		No

担当教員情報/Instructor Information

教員名
／Instructor 		教員所属名
／Affiliation
平良　直之／Naoyuki TAIRA 産業情報学科／Department of Industry and Information Science
※ポリシーとの関連性
／*Relevance to Policy		 リキュラムポリシーにおける「実社会で活躍できる人材の育成」に関連する講義であり、基礎的な情報処理技術を学びます。
授業に関する問い合わせ
／Inquiries about classes		 ntaira@okiu.ac.jp
※ 講義名と氏名を必ず明記すること
学びの準備
／Prepare to learn
ねらい
／Goal		 データ分析に必要な統計手法およびAIの基礎知識の習得をねらいとする。また、本講義により得た知識を活用し、ExcelやPythonプログラムを用いた実践的なデータ分析のスキル習得も目指す。
メッセージ
／Message		 本講義では、データ分析がビジネスの現場でどのように活用されているかを、身近な例題を交えながら分かりやすく解説します。また、知識と技能をバランスよく身につけられるよう演習の時間も設けます。
分からないことがあれば、遠慮せず積極的に質問してください。
到達目標
／Attainment Targets		 ・統計学に関する基礎知識を理解し、データに基づく現状整理ができる。
・AIを用いたデータ分析アプローチを理解し、説明できる。
学びの実践
／Learning Practices
授業計画
／Class Plan
テキスト・参考文献・資料など
／Textbooks, references, materials, etc.		 テキスト：未定（初回講義で周知します）
参考資料：
・涌井良幸、涌井貞美「これならわかる！統計学」ナツメ社
・吉田雅裕「Pythonで学ぶはじめてのデータサイエンス」技術評論社
・辻真吾、矢吹太郎「データサイエンス入門」講談社
学びの手立て
／Way of learning		 「履修の心構え」
遅刻・欠席をしないこと。予習課題および演習課題を課すので必ず取り組むこと。
「学びを深めるために」
指定テキストだけでなく、参考文献も適宜調べること。理解が十分でないことは質問し、疑問点を残さないこと。
評価
／Evaluation		 講義課題（50%）と試験（50%）の総得点で評価する。総得点の９割以上を秀、８割以上を優、７割以上を良、６割以上を可とし６割未満は不可とする。また、出席率が2/3に満たないものは不可とする。
生成AIの利用について
／Generative AI Usage
生成AIの利用範囲
／Rules for the use of Generative AI Usage		 ①利用を認めない(教員の指示がある場合を除く)
補足事項（任意）
／Additional Information
学びの継続
／Continuing to learn
次のステージ・関連科目
／Next Stage and Related Courses		 関連科目として、「プログラミングⅠ・Ⅱ」、「ビジネス情報分析Ⅰ・Ⅱ」がある。次のステージとして「データ解析論Ⅰ・Ⅱ」、「人工知能概論」、「ビックデータ解析」などがある。
授業外学修時間の考え方
／Overtime Learning 		授業外学修時間はシラバスの授業計画を参考にして、計画・実施してください。
No. 回（日時）
／Time (date and time)		 授業計画
／Class Plan		 授業時間外学修の内容
／Out-of-Class Learning		 備考
／Notes
1 1 ガイダンス、データサイエンスの概要 次回講義予習
2 2 データ収集とデータ前処理 講義演習と次回講義予習
3 3 記述統計(1) 講義演習と次回講義予習
4 4 記述統計(2) 講義演習と次回講義予習
5 5 記述統計(3) 講義演習と次回講義予習
6 6 推測統計(1) 講義演習と次回講義予習
7 7 推測統計(2) 講義演習と次回講義予習
8 8 推測統計(3) 講義演習と次回講義予習
9 9 A/Bテスト 講義演習と次回講義予習
10 10 回帰分析 講義演習と次回講義予習
11 11 分類と決定木(1) 講義演習と次回講義予習
12 12 分類と決定木(2) 講義演習と次回講義予習
13 13 階層的クラスタリング 講義演習と次回講義予習
14 14 非階層的クラスタリング(1) 講義演習と次回講義予習
15 15 非階層的クラスタリング(2) 講義演習と期末試験準備
16 16 期末試験 試験内容の復習

科目一覧へ戻る