到達目標
１．データをコンピュータを用いて処理する主な手順を説明することができる。
２．データを処理する主なアルゴリズムを説明することができる。
３．プログラミング言語Pythonを用いて，実際に利用されるデータもしくはそれに近いデータを処理することができる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 評価項目1 | 自ら関心を持ち，教科書や授業において説明していない確率統計の問題について解くことができる。 | 教科書や授業において説明した確率統計の問題について解くことができる。 | 教科書や授業において説明した確率統計の問題について解くことができことができない。 |
| 評価項目2 | 自ら関心を持ち，教科書や授業において扱っていないデータ処理のアルゴリズムについて説明することができる。 | 教科書や授業において扱ったデータ処理のアルゴリズムについて説明することができる。 | 教科書や授業において扱ったデータ処理のアルゴリズムについて説明することができない。 |
学科の到達目標項目との関係
電気情報工学科の教育目標②
説明
閉じる
本科の教育目標①
説明
閉じる
教育方法等
概要:
インターネットの普及などにより様々なデータが扱われ，その処理や解析する技術が求められています。そのような社会情勢を踏まえ，本科目では大量のデータを解析する技術について学びます。また，単に知識の教授に留めることなく，コンピュータを利用したデータ解析等の演習を通して，その知識の定着をはかります。
授業の進め方・方法:
教科書については，予め，予習を進めておいてください。授業では，その確認と関連する演習に多くの時間を割り当てる予定です。特にプログラミング言語「Python」を用いた演習を行う予定です。３年生までに習ったプログラミングに関わります必要事項を復習のうえ，授業に出席してください。プログラミングについては，得意・不得意があると思います。得意な方は教科書や授業を越えた内容にも自らの勉強を進めてください．逆に，不得意な方は自学自習の時間を使い課題を自力で解けるように時間を割いてください。演習を通して，教科書の知識が身につくことと思います。
注意点:
・総時間数90時間（自学自習60時間）
・自学自習時間(60時間)は，日常の授業(30時間)に対する予習復習，レポート課題の課題作成時間，試験のための学習時間を総合したものとする。
・評価については，合計点数が60点以上で単位修得となる。その場合，各到達目標項目の到達レベルが標準以上であること，教育プログラムの学習・教育到達目標の各項目をみたしたことが認められる。
・授業に出席するだけではなく，授業，教科書や参考書で扱っている演習等を積極的に自分の力で解くようにすること。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
データサイエンスとは |
データサイエンスの重要性について説明することができる。
|
| 2週 |
Pythonとは |
プログラミング言語「Python」を用いた簡単なプログラミングを作成し，実行することができる。
|
| 3週 |
データ前処理 |
データの前処理の重要性について説明することができる。
|
| 4週 |
演習（１） |
Webスクレイピングの演習を通して，学んだ知識を確認することができる。
|
| 5週 |
演習（２） |
データクレンジングの演習を通して，学んだ知識を確認することができる。
|
| 6週 |
データサイエンスのための確率統計 |
簡単な確率統計の問題を解くことができる。
|
| 7週 |
統計的検定を用いたデータサイエンス |
プログラミング言語Pythonを用いて統計的検定のプログラムを作成し，実行することができる。
|
| 8週 |
A/Bテスト |
プログラミング言語Pythonを用いて「アンケート調査におけるデータ分析」に関するプログラムを作成し，実行することができる。
|
| 4thQ |
| 9週 |
データサイエンスのためのアルゴリズム |
「組み合わせ爆発」の問題について説明することができる。主な探索アルゴリズムの特徴について説明することができる。
|
| 10週 |
回帰分析 |
プログラミング言語Pythonを用いて「回帰分析」を行うためのプログラムを作成し，実行することができる。
|
| 11週 |
分類 |
プログラミング言語Pythonを用いて「アンサンブル学習」を行うためのプログラムを作成し，実行することができる。
|
| 12週 |
クラスタリング |
プログラミング言語Pythonを用いて「クラスタリング」を行うためのプログラムを作成し，実行することができる。
|
| 13週 |
レコメンド |
プログラミング言語Pythonを用いて「k-近傍法」を行うためのプログラムを作成し，実行することができる。
|
| 14週 |
自然言語処理 |
プログラミング言語Pythonを用いて「スパムメール検出」を行うためのプログラムを作成し，実行することができる。
|
| 15週 |
画像解析 |
プログラミング言語Pythonを用いてCNNを用いた画像分析を行うためのプログラムを作成し，実行することができる。
|
| 16週 |
演習（３） |
演習を通して，これまでに学んだ知識を確認することができる。
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
| 基礎的能力 | 工学基礎 | 情報リテラシー | 情報リテラシー | 同一の問題に対し、それを解決できる複数のアルゴリズムが存在しうることを知っている。 | 4 | |
| 与えられた基本的な問題を解くための適切なアルゴリズムを構築することができる。 | 4 | |
| 任意のプログラミング言語を用いて、構築したアルゴリズムを実装できる。 | 4 | |
| 専門的能力 | 分野別の専門工学 | 情報系分野 | プログラミング | 代入や演算子の概念を理解し、式を記述できる。 | 4 | |
| プロシージャ(または、関数、サブルーチンなど)の概念を理解し、これらを含むプログラムを記述できる。 | 4 | |
| 変数の概念を説明できる。 | 4 | |
| データ型の概念を説明できる。 | 4 | |
| 制御構造の概念を理解し、条件分岐を記述できる。 | 4 | |
| 分野別の工学実験・実習能力 | 情報系分野（実験・実習能力） | 情報系分野（実験・実習能力） | 与えられた問題に対してそれを解決するためのソースプログラムを、標準的な開発ツールや開発環境を利用して記述できる。 | 4 | |
| 問題を解決するために、与えられたアルゴリズムを用いてソースプログラムを記述し、得られた実行結果を確認できる。 | 4 | |
評価割合
| 課題・演習等の提出物 | 小テスト | 合計 |
| 総合評価割合 | 50 | 50 | 100 |
| 基礎的能力 | 20 | 20 | 40 |
| 専門的能力 | 30 | 30 | 60 |
| 分野横断的能力 | 0 | 0 | 0 |