  シラバス参照
|
| 科目名／Course: 統計学Ａ／Statistics A | |
| 科目一覧へ戻る | 2023/11/02 現在 |
| 科目名（和文） ／Course |
統計学Ａ |
|---|---|
| 科目名（英文） ／Course |
Statistics A |
| 時間割コード ／Registration Code |
00A40601 |
| 学部（研究科） ／Faculty |
共通 |
| 学科（専攻） ／Department |
|
| 担当教員（○：代表教員）
／Principle Instructor （○） and Instructors |
○吉長 裕司 |
| オフィスアワー ／Office Hour |
吉長 裕司(授業後，教室にて。eメール「ynohjadedema@mx3.tiki.ne.jp」でも受け付けます。遠慮なくメールをください。) |
| 開講年度 ／Year of the Course |
2023年度 |
| 開講期間 ／Term |
第3クォーター |
| 対象学生 ／Eligible Students |
1年,2年,3年,4年 |
| 単位数 ／Credits |
1 |
| 更新日 ／Date of renewal |
2023/03/08 |
|---|---|
| 使用言語 ／Language of Instruction |
日本語 |
| 共通カテゴリ ／Category |
自然科学 |
| オムニバス ／Omnibus |
該当なし |
| 授業概略と目的 ／Cource Description and Objectives |
?本科目の目的は，(1) 今後のデジタル社会において，データサイエンスを日常の生活，仕事等の場で使いこなすことができる基礎的素養を主体的に身に付けること，(2) 学修したデータサイエンスに関する知識?技能をもとに，これらを扱う際には，人間中心の適切な判断ができ，不安なく自らの意志でAI等の恩恵を享受し，これらを説明し，活用できるようになること，である。 ?これらの目的を達成するため，本科目では，以下のことを学ぶ。(1) データサイエンスとは何か，(2) IoTとAIの利活用，(3) データとは何か，(4) データ収集の諸方法，(5) データの信頼性と妥当性，(6) 統計的因果推論，(7) データリテラシー（記述統計と推測統計），(8) プライバシーとセキュリティ。 |
| 履修に必要な知識?能力?キーワード ／Prerequisites and Keywords |
?高等学校の普通教科「情報」を理解できる能力を前提とする。 ?キーワード：IoT，AI，信頼性，妥当性，因果推論，データリテラシー，プライバシー，セキュリティ |
| 履修上の注意 ／Notes |
?教科書とは別に，毎回，授業資料を使用する。 ?授業資料は，「CMD体育_cmd体育平台@」にアップロードするので，各自印刷して授業に持参すること。 ?紙の授業資料は配付しないので，注意すること。 ?出席は，授業で配付した課題用紙の提出で認定する。 ?なお，課題用紙には，課題演習の結果に加えて，皆さんのその日の授業の理解度?感想?質問を記入することで，教員とのコミュニケーション手段としても用いる。 ?本科目は，定期試験および再試験は実施しないので注意すること。 |
| 教科書 ／Textbook(s) |
北川源四郎，竹村彰通編『教養としてのデータサイエンス』，講談社，2021． ISBN：978-4-06-523809-7 |
| 参考文献等 ／References |
授業で，適宜，紹介する。 |
| 自主学習ガイド ／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework |
予習と復習を合わせて2時間程度を要する。授業の内容を，日常，見聞きし体験する社会現象，自然現象と関連づけ，現象（データ）を科学的にみるにはどうすればよいか，自分なりに考えることが大切である。 |
| 資格等に関する事項 ／Attention Relating to Professional License |
|
| アクティブラーニングに関する事項 ／Attention Relating to Active Learning |
毎回，授業の中で，各自課題演習に取り組み，適宜その成果を発表してもらうので，主体的な態度で授業に臨むこと。 |
| 実務経験に関する事項 ／Attention Relating to Operational Experiences |
本科目では，企業（メーカー）の情報部門で中央コンピュータの運用管理，および銀行?行政?企業等のシステム開発の実務経験を持つ教員が，学術研究の経験と合わせて，理論と実践をバランス良く学べる授業を実施する。 |
| 備考 ／Notes |
| No. | 単元（授業回数） ／Unit (Lesson Number) |
単元タイトルと概要 ／Unit Title and Unit Description |
時間外学習 ／Preparation and Review |
配付資料 ／Handouts |
|---|---|---|---|---|
| 1 | 第1回 | [ガイダンス，なぜ，今「データサイエンス」なのか] 授業の概要，および，データサイエンスとは何か，その社会的?歴史的背景とともに考える。 |
?授業前に，授業資料と教科書（1.1，1.2）を読み，授業の概要を把握する。 ?授業後，授業資料と教科書（1.1，1.2）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| 2 | 第2回 | [IoT?AIの利活用 － 企業における実用化事例 －] IoT，AIの企業における実用化事例をみながら，IoT，AIとは何かを考える。 |
?授業前に，授業資料と教科書（1.3）を読み，授業の概要を把握する。 ?授業後，授業資料と教科書（1.3）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| 3 | 第3回 | [データとは何か － データの種類と扱い方 －] データサイエンスの「データ」とは何か，その種類と扱い方を学ぶ。 |
?授業前に，授業資料と教科書（2.1.1）を読み，授業の概要を把握する。 ?授業後，授業資料と教科書（2.1.1）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| 4 | 第4回 | [データ収集の諸方法 － 集めるデータと集まるデータ －] データには集めるデータ（サンプルデータ）と集まるデータ（ビッグデータ）があり，その収集の仕方を学びながら，分析との関連を考える。 |
?授業前に，授業資料を事前に読み，授業の概要を把握する。 ?授業後，授業資料と参考書（授業で紹介）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| 5 | 第5回 | [データの信頼性と妥当性 － 安定的で正しいデータとは何か －] データとは測定した値のことであるが，この測定値は安定していること（信頼性），正しいこと（妥当性）が求められる。このデータの信頼性と妥当性を学ぶ。 |
?授業前に，授業資料を事前に読み，授業の概要を把握する。 ?授業後，授業資料と参考書（授業で紹介）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| 6 | 第6回 | [統計的因果推論 － データから因果関係を推論する方法 －] 科学（サイエンス）とは，自然や社会，人間の心理や行動に関する「因果関係」を明らかにし，普遍的な法則を見つけ出すことを最終的な目的としている。データから「因果関係」を推論するための方法を学ぶ。 |
?授業前に，授業資料を読み，授業の概要を把握する。 ?授業後，授業資料と参考書（授業で紹介）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| 7 | 第7回 | [データリテラシー － 記述統計と推測統計 －] データを読む，説明する，扱う「データリテラシー」を構成している記述統計と推測統計の基礎を学ぶ。 |
?授業前に，授業資料と教科書（2.1.2～2.1.10）を読み，授業の概要を把握する。 ?授業後，授業資料と教科書（2.1.2～2.1.10）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| 8 | 第8回 | [データ?AI利活用における留意事項 － プライバシーとセキュリティ －] データ，特に個人データを扱うときの倫理的，法制度的，社会的な留意事項，およびセキュリティとプライバシーの観点からデータを守る上での留意事項について学ぶ。 |
?授業前に，授業資料と教科書（第3章）を読み，授業の概要を把握する。 ?授業後，授業資料と教科書（第3章）を復習する。 |
?授業資料を配付する。 ?授業資料は，各自「CMD体育_cmd体育平台@」よりダウンロードし，授業へ持参すること。 |
| No. |
到達目標 ／Learning Goal |
知識?理解 ／Knowledge & Undestanding |
技能?表現 ／Skills & Expressions |
思考?判断 ／Thoughts & Decisions |
伝達?コミュニケーション ／Communication |
協働 ／Cooperative Attitude |
||
|---|---|---|---|---|---|---|---|---|
| 1 | データサイエンスの理論と実践の概要を説明できる。(A) | ○ | ○ | ○ | ||||
| 2 | データの特徴?分析方法およびデータ利活用の留意事項の概要を説明できる。(A) | ○ | ○ | ○ | ||||
| 3 | 具体的な問題に対して適切な因果推論ができる。(A) | ○ | ○ | ○ |
| No. |
到達目標 ／Learning Goal |
定期試験 ／Exam. |
レポート | 授業態度 | |||
|---|---|---|---|---|---|---|---|
| 1 | データサイエンスの理論と実践の概要を説明できる。(A) | ○ | ○ | ||||
| 2 | データの特徴?分析方法およびデータ利活用の留意事項の概要を説明できる。(A) | ○ | ○ | ||||
| 3 | 具体的な問題に対して適切な因果推論ができる。(A) | ○ | ○ | ||||
|
評価割合（％） ／Allocation of Marks |
90 | 10 | |||||