CMD体育_cmd体育平台@

图片

シラバス参照

授業情報／Course information

科目名／Course: 統計学Ａ／Statistics A
科目一覧へ戻る 2024/09/10 現在

授業基本情報
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		 2024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
授業概要情報
更新日
／Date of renewal		 2024/02/29
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，以下の2つである。
　(1) これからのデジタル社会においては，データサイエンスを日常生活や仕事等で使いこなすことが求められる。そのために必要な基礎的素養を身に付けること。
　(2) 学修したデータサイエンスに関する知識や技能にもとづき，人間中心の適切な判断ができるとともに，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。
?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) データの種類と収集方法　－集めるデータと集まるデータ－
　(3) データリテラシー(1)　－記述統計の基礎－
　(4) データリテラシー(2)　－推測統計の基礎－
　(5) データの信頼性?妥当性と統計的因果推論
　(6) AI?機械学習の概要と企業における利活用事例
　(7) AI利活用における留意事項　ーAIと法規制－
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：データサイエンス，データリテラシー，信頼性，妥当性，統計的因果推論，AI，機械学習
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@」へ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，毎回，授業で配付する理解度記録表の提出で認定する。
?理解度記録表は，皆さんがその日の授業の理解度?感想?質問を記入し，教員が皆さんの状況を把握し，必要に応じて皆さんへフィードバックすることで，皆さんと教員とのコミュニケーション手段として用いる。
?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，皆さんが専攻する専門分野の問題と関連づけ，その問題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		 授業では毎回，質疑応答をするので，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
授業計画詳細情報
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，今なぜ「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，授業の背景について学ぶ。		 ?授業前に，授業資料を読み，授業の概要を把握する。
?授業後，授業資料を復習する。		 授業資料は「CMD体育_cmd体育平台@」へアップロードするので，各自ダウンロードして授業に持参すること。
2 第2回 [データの種類と収集方法　－ 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，その特徴と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，授業資料と教科書（1.1.1，1.1.2，1.2.1，2.1.1，2.1.8）を事前に読み，授業の概要を把握する。
?授業後，授業資料と教科書を復習する。		 授業資料は「CMD体育_cmd体育平台@」へアップロードするので，各自ダウンロードして授業に持参すること。
3 第3回 [データリテラシー(1) － 記述統計の基礎 －]
記述統計の基礎（1変量の要約と分布，2変量の関係）を学ぶ。		 ?授業前に，授業資料と教科書（2.1.2～2.1.4，2.1.7，2.2.1）を読み，授業の概要を把握する。
?授業後，授業資料と教科書を復習する。		 授業資料は「CMD体育_cmd体育平台@」へアップロードするので，各自ダウンロードして授業に持参すること。
4 第4回 [データリテラシー(2) － 推測統計の基礎 －]
統計的仮説検定の考え方を学ぶ。		 ?授業前に，授業資料と教科書（2.1.8）を読み，授業の概要を把握する。
?授業後，授業資料と教科書を復習する。		 授業資料は「CMD体育_cmd体育平台@」へアップロードするので，各自ダウンロードして授業に持参すること。
5 第5回 [データの信頼性?妥当性と統計的因果推論 ]
現象や概念を測定した値であるデータの信頼性?妥当性，およびデータから因果関係を推論する方法を学ぶ。		 ?授業前に，授業資料と教科書（2.1.7）を読み，授業の概要を把握する。
?授業後，授業資料と教科書を復習する。		 授業資料は「CMD体育_cmd体育平台@」へアップロードするので，各自ダウンロードして授業に持参すること。
6 第6回 [AI?機械学習の概要と企業における利活用事例]
AIの歴史，ディープラーニングの概要，および企業におけるデータサイエンス?AIの利活用事例について学ぶ。		 ?授業前に，授業資料と教科書（1.1.4，1.1.5，1.3，1,4）を読み，授業の概要を把握する。
?授業後，授業資料と教科書を復習する。		 授業資料は「CMD体育_cmd体育平台@」へアップロードするので，各自ダウンロードして授業に持参すること。
7 第7回 [AI利活用における留意事項 － AIと法規制 －]
?AIと法規制について概観し，AI利活用における留意事項を学ぶ。
?課題レポート作成要領を理解する。		 ?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，授業資料と教科書を復習し，課題レポートの準備をする。		 授業資料と課題レポート作成要領は「CMD体育_cmd体育平台@」へアップロードするので，各自ダウンロードして授業に持参すること。
8 第8回 [課題レポート作成]
?第1回～第7回の授業内容に関するレポートを作成する。
?総括アンケートに記入して，授業終了時に提出する。		 ?授業前に，第1回～第7回の授業資料と教科書を読み，課題レポートの準備をする。
?授業後，レポートの見直し，校正を行い，期限までに「CMD体育_cmd体育平台@」へ提出する。		 総括アンケートを授業で配付する。
授業評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
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 データサイエンスとは何か，データの種類と収集方法の概要を説明できる。(A) ○ ○ ○
2 記述統計?推測統計の概要，データの信頼性?妥当性?統計的因果推論の概要を説明できる。(A) ○ ○ ○
3 AIおよびAI利活用における留意事項の概要を説明できる。(A) ○ ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 レポート 授業態度
1 データサイエンスとは何か，データの種類と収集方法の概要を説明できる。(A) ○ ○
2 記述統計?推測統計の概要，データの信頼性?妥当性?統計的因果推論の概要を説明できる。(A) ○ ○
3 AIおよびAI利活用における留意事項の概要を説明できる。(A) ○ ○
評価割合（％）
／Allocation of Marks		 90 10

科目一覧へ戻る