データサイエンス

科目基礎情報

学校	阿南工業高等専門学校	開講年度	令和08年度 (2026年度)
授業科目	データサイエンス
科目番号	1593301	科目区分	専門 / 選択
授業形態	講義	単位の種別と単位数	履修単位: 2
開設学科	専門共通科目（本科）	対象学年	3
開設期	通年	週時間数	2
教科書/教材	Pythonで学ぶはじめてのデータサイエンス（吉田雅裕 著、技術評論社）
担当教員	小松 実,都築 怜理

到達目標

1. データサイエンス・AI 技術の概要を説明できる。
2. データサイエンス・AI 技術の利活用に必要なデータの取得や加工を行うことができる。
3. データサイエンス・AI 技術の利活用に必要なデータの可視化や分析を行うことができる。

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	最低限の到達レベルの目安（可）
評価項目1	データサイエンス・AI 技術の概要と応用について説明できる。	データサイエンス・AI 技術の概要について説明できる。	データサイエンス・AI 技術の概要を理解できる。
評価項目2	データサイエンス・AI 技術の利活用に必要なデータの取得や加工を行うことができる。	データサイエンス・AI 技術の利活用に必要なデータの取得あるいは加工を行うことができる。	データサイエンス・AI 技術の利活用に必要なデータの取得あるいは加工について理解できる。
評価項目3	データサイエンス・AI 技術の利活用に必要なデータの可視化や分析を行うことができる。	データサイエンス・AI 技術の利活用に必要なデータの可視化あるいは分析を行うことができる。	データサイエンス・AI 技術の利活用に必要なデータの可視化あるいは分析について理解できる。

教育方法等

概要:

データサイエンスの基礎について、Pythonによる演習を交えながら実践的に学ぶ。

授業の進め方・方法:

本講義は、理論の修得と実践的なスキルの定着を図るため、前期・後期で進行形式を変えて実施する。
前期は指定の教科書に沿い、データサイエンスの基礎に関する講義形式を中心に行う。後期は演習室等を使用し、適宜配布する資料をもとにした実践的な演習を中心に行う。また、通年を通して必要に応じて講義による理論の説明と、Pythonを用いたプログラミング演習を効果的に組み合わせ、体系的な理解を深める。
【授業時間60時間】

注意点:

授業の属性・履修上の区分

アクティブラーニング

ICT 利用

授業計画

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	データサイエンスへのいざない	データサイエンスの概要について説明できる。
		2週	データサイエンスのためのPythonプログラミング	データサイエンスのための基礎的なPythonプログラミングを行うことができる。
		3週	データサイエンスのためのデータ収集	データサイエンスに必要なデータの取得を行うことができる。
		4週	データサイエンスのためのデータ前処理	データサイエンスに必要なデータの前処理を行うことができる。
		5週	データサイエンスのための確率統計	データサイエンスのための確率統計について説明できる。
		6週	統計的検定・A/Bテストを用いたデータサイエンス	データサイエンスのための統計的検定・A/Bテストについて説明できる。
		7週	【前期中間試験】
		8週	データサイエンスのためのアルゴリズム	データサイエンスのための基礎的なアルゴリズムについて説明できる。
	2ndQ
		9週	データサイエンスのためのアルゴリズム	データサイエンスのための基礎的なアルゴリズムについて説明できる。
		10週	回帰AIを用いたデータサイエンス	回帰AIを用いたデータ予測を行うことができる。
		11週	分類AIを用いたデータサイエンス	分類AIを用いたデータ分析を行うことができる。
		12週	クラスタリングAIを用いたデータサイエンス	クラスタリングAIを用いたデータ分析を行うことができる。
		13週	レコメンドAIを用いたデータサイエンス	レコメンドAIについて説明できる。
		14週	時系列データ分析AIと自然言語処理AIを用いたデータサイエンス	時系列データと文章データの分析方法について説明できる。
		15週	画像分析AIを用いたデータサイエンス	画像データの分析方法について説明できる。
		16週	【前期期末試験、答案返却】
後期
	3rdQ
		1週	JupyterLab環境におけるPythonプログラミング	JupyterLab環境でデータサイエンスに必要なPythonプログラミングを行うことができる。
		2週	JupyterLab環境におけるPythonプログラミング	JupyterLab環境でデータサイエンスに必要なPythonプログラミングを行うことができる。
		3週	NumPyによるデータ処理	NumPyを用いてさまざまなデータ処理を行うことができる。
		4週	NumPyによるデータ処理	NumPyを用いてさまざまなデータ処理を行うことができる。
		5週	NumPyによるデータ処理	NumPyを用いてさまざまなデータ処理を行うことができる。
		6週	pandasによるデータの加工・分析	pandasを用いてデータの加工や分析を行うことができる。
		7週	pandasによるデータの加工・分析	pandasを用いてデータの加工や分析を行うことができる。
		8週	【後期中間試験】
	4thQ
		9週	pandasによるデータの加工・分析	pandasを用いてデータの加工や分析を行うことができる。
		10週	Matplotlibによるデータの可視化	Matplotlibを用いてデータの可視化を行うことができる。
		11週	Matplotlibによるデータの可視化	Matplotlibを用いてデータの可視化を行うことができる。
		12週	Matplotlibによるデータの可視化	Matplotlibによるデータの可視化
		13週	データサイエンス応用	データサイエンスの応用について説明できる。
		14週	データサイエンス応用	データサイエンスの応用について説明できる。
		15週	データサイエンス応用	データサイエンスの応用について説明できる。
		16週	【学年末試験、答案返却】

評価割合

	試験	小テスト	レポート	その他	合計
総合評価割合	60	20	20	0	100
基礎的能力	20	10	10	0	40
専門的能力	40	10	10	0	60
分野横断的能力	0	0	0	0	0