基本情報/Basic Information

開講科目名 ／Class	データサイエンス （遠隔オンデマンド）／Data Science
授業コード ／Class Code	A005171001
ナンバリングコード ／Numbering Code	GENi007
開講キャンパス ／Campus	有瀬
開講所属 ／Course	共通教育科目／
年度 ／Year	2026年度／Academic Year
開講区分 ／Semester	後期／AUTUMN
曜日・時限 ／Day, Period	水6(後期)／WED6(AUT.)
単位数 ／Credits	2.0
主担当教員 ／Main Instructor	佐藤　毅／SATO TAKASHI
遠隔授業 ／Remote lecture	Yes

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
生田　卓也／IKUTA TAKUYA	法学部／Law
佐藤　毅／SATO TAKASHI	共通教育センター
田原　伸彦／TAHARA NOBUHIKO	共通教育センター

授業の方法 ／Class Format	講義（遠隔：オンデマンド型） この授業はオンデマンド型の遠隔講義で行います。 講義ビデオを視聴し、各回に割り当てられた課題を、 担当講師の指定する方法で提出してください。
授業の目的 ／Class Purpose	全学 DP に掲げる、広い教養を身につけること、獲得した知識や技能をもって社会に貢献する力を身につけることを目的とします。 具体的には、数理的思考へのいざない、基本統計量の理解、データの可視化、機械学習やニューラルネットワークの基礎原理を事例をとおして学びます。この学びから、データから情報を引き出し、新たな価値を生み出すための教養を育みます。 この科目は、共通教育科目のリテラシー科目群、情報分野に属しています。
到　達　目　標 ／Class Objectives	・データの可視化（グラフとして表現）することができる ・PCのソフトウェアを利用し、基本統計量の算出ができる ・回帰分析を理解し、活用することができる ・ニューラルネットワークの利活用について説明できる
授業のキーワード ／Keywords	データサイエンス、数理、AI 、情報、統計、データリテラシー
授業の進め方 ／Method of Instruction	動画を配信（オンデマンド型遠隔講義）し、 データサイエンスに必要な基礎知識を講義します。 講義レジュメとともに、課題、演習問題を課し、 知識の習得を促します。
履修するにあたって ／Instruction to Students	学習支援システム（LMS）であるMoodle上に、講義動画のリンク、 教材及び課題をアップロードします。 Moodleへの履修登録が完了するまで、指示する方法で授業資料・動画へ アクセスし、受講してください。（詳細は、遠隔授業情報欄に記載） 本科目は、データサイエンスプログラムの対象科目です。
授業時間外に必要な学修内容・時間 ／Required Work and Hours outside of the Class	オンデマンド動画の視聴以外に、 ・配布教材に目を通し、理解を深める（目安1時間） ・課題・演習問題を事後学習として解く（目安30分）
提出課題など ／Quiz,Report,etc	学内情報サービスにある、e-Learningシステム Moodle の利用を基本とします。
成績評価方法・基準 ／Grading Method・Criteria	提出課題による評価（100点）
テキスト ／Required Texts
参考図書 ／Reference Books

No.	回 ／Time	主題と位置付け ／Subjects and position in the whole class	学習方法と内容 ／Methods and contents	備考 ／Notes
1	第1回	ガイダンスと生成AIの利活用について	法学部 生田担当 生成AIの利活用のススメ ・CahtGPTとCopilot について ・有料版と無料版の違い ・どのように活用するのが良いか？ ※ 初回の授業動画は Moodle にもアップしますが、YouTube にもアップします。YouTube の URL は次のとおりです。 初回の課題提出はありません。	初回の授業動画に限り、YouTubeにアップしています。詳細はシラバスの「遠隔授業情報」をご覧ください。
2	第2回	数とデータサイエンス、1次式について	法学部 生田担当 ・分数の意味、特に、数学における分数とデータサイエンスにおける分数は意味が異なる。 ・データサイエンスの数学で一番大切なのは一次関数です。具体的には、触れてもいい変数と触れてはいけない定数の役割、回帰分析の一次関数、２変数の一次関数はあるのか？その解釈は？
3	第3回	統計基礎１ 確率をもう一度考えよう	共通教育センター　佐藤担当 ルーレットから期待値と大数の法則を考える． 病気の検査から偽陽性・偽陰性について考える．
4	第4回	データを読む１ （最も起こりやすい事象とは、その事象は、稀な事象ですか）	共通教育センター　佐藤担当 平均、中央値、最頻値、分散、標準偏差を求める
5	第5回	データを読む２ （興味の対象間の関係を考える）	共通教育センター　佐藤担当 相関係数を求める、クロス集計を実施する
6	第6回	データを説明する （データを視覚的に表現しよう）	共通教育センター　佐藤担当 基本グラフの作成(棒グラフ、円グラフ、折れ線グラフ) 散布図と相関係数 クロス集計と積み上げグラフ
7	第7回	データを扱う （乱数について、データ分析ツールの活用）	共通教育センター　佐藤担当 乱数表の作成。 乱数表を用いたデータ抽出
8	第8回	統計基礎２ 確率変数との確率分布	全学教育推進機構：田原担当 サイコロの目とその確率を考えよう． 2つのサイコロの目の和から確率変数と確率分布について考える． コイン投げの試行から2項分布を考え，正規分布に拡張する． 正規分布から偏差値の意味，考え方を学ぶ。
9	第9回	統計基礎３ 統計的仮説検定の考え方	全学教育推進機構：田原担当 なぜ仮説検定が必要なのか考えよう コイン投げの例から仮説検定・推定のイメージ． 帰無仮説、対立仮説の考え方。簡単な仮説検定の演習 統計的仮設検定とは ​
10	第10回	統計基礎４ 統計的仮説検定	全学教育推進機構：田原担当 正規分布を用いた統計的仮説検定 第一種の過誤，第二種の過誤 統計的推計
11	第11回	統計基礎５ 回帰分析とは	全学教育推進機構：田原担当 単回帰分析で身長と体重の関係を考えよう 重回帰分析で身長，ウェストから体重を考えよう
12	第12回	統計基礎６ 回帰分析の応用	全学教育推進機構：田原担当 回帰分析を応用しよう 中古車、不動産の価格決定（質的変数の利用） ヒット曲を予測しよう（ダミー変数、アンケート分析）
13	第13回	テキストマイニングとクラスタリング	全学教育推進機構：田原担当 n-gram と形態素解析 TF-IDF による文書間の距離 クラスタリングによる文書の分類
14	第14回	画像認識とニューラルネットワーク	全学教育推進機構：田原担当 光の三原色と色の三原色 画像のデータ形式 ニューラルネットワーク 手書き数字の認識
15	第15回	画像認識と深層学習	全学教育推進機構：田原担当 画像フィルタ ニューラルネットワークから深層学習へ 畳み込みニューラルネットワーク 画像認識と物体検出