到達目標
1. 【重要性】データサイエンス技術の重要性について理解すること。
2. 【利活用】ビッグデータやＡＩ技術の利活用について説明できること。
3. 【ネットワーク】ビッグデータの収集・蓄積に必要となるネットワークの基礎技術について理解すること。
4. 【表計算ソフト】表計算ソフトを用い、簡単な計算やグラフを作成できること。
5. 【セキュリティ】組織としての情報セキュリティ対策について理解すること。
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 | データサイエンス技術の重要性について理解でき、実例を挙げることができる。 | データサイエンス技術の重要性について理解できる。 | データサイエンス技術の重要性について理解できない。 |
| 評価項目２ | ビッグデータやＡＩ技術の利活用について具体的に説明できる。 | ビッグデータやＡＩ技術の利活用について説明できる。 | ビッグデータやＡＩ技術の利活用について説明できない。 |
| 評価項目３ | ビッグデータの収集・蓄積に必要となるネットワーク技術について理解し、簡単に説明できる。 | ビッグデータの収集・蓄積に必要となるネットワークの基礎技術について理解できる。 | ビッグデータの収集・蓄積に必要となるネットワークの基礎技術について理解できない。 |
| 評価項目４ | 表計算ソフトを用い、計算やグラフを自由に作成できる。 | 表計算ソフトを用い、簡単な計算やグラフを作成できる。 | 表計算ソフトを用い、簡単な計算やグラフを作成できない。 |
| 評価項目５ | 組織としての情報セキュリティ対策について理解し、組織を守るための適切な行動ができる。 | 組織としての情報セキュリティ対策について理解できる。 | 組織としての情報セキュリティ対策について理解できない。 |
学科の到達目標項目との関係
工学基礎知識 (A)
説明
閉じる
教養 (D)
説明
閉じる
教育方法等
概要:
情報機器やインターネットの普及により、膨大なデータが生成され蓄積されるようになっている。これらのビッグデータを有効活用するために、データを適切に収集、解析、可視化する技術（データサイエンス）が今後の社会では重要となる。
本科目では、今後のデジタル社会における基礎知識と言われるデータサイエンスの基礎を学ぶとともに、ビッグデータを収集するためのネットワーク技術、データを解析・可視化するための技術、データを適切に管理するためのセキュリティ技術に関する知識も学習する。
授業の進め方・方法:
ビッグデータの利活用のためのデータサイエンス技術の基礎について、最新情報などを交えながら学習を進める。また、ビッグデータを扱うために必要となる、ネットワーク・ソフトウェア・セキュリティについてもあわせて紹介する。
座学が中心となりますが、コンピュータを利用した演習やグループワークも実施するので、積極的に取り組んでください。
注意点:
事前学習：情報リテラシーの内容を復習し、しっかり理解しておいてください。
自己学習：授業時間外でも演習室を利用できるので、いつでも自主的に実施してください。
関連科目：情報リテラシー、確率統計
本科目の区分
Webシラバスと本校履修要覧の科目区分では表記が異なるので注意すること。
本科目は履修要覧(p.10)に記載する「④選択科目」である。
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ＡＩ |
1【重要性】,2【利活用】
|
| 2週 |
ビッグデータの収集・管理・可視化 |
2【利活用】
|
| 3週 |
コンピュータの利用形態（サーバ・クラウド） |
3【ネットワーク】
|
| 4週 |
表計算ソフトの基礎１ |
4【表計算ソフト】
|
| 5週 |
インターネット・ＩＰアドレス・ＷＡＮとＬＡＮ |
3【ネットワーク】
|
| 6週 |
表計算ソフトの基礎２ |
4【表計算ソフト】
|
| 7週 |
中間試験期間 |
|
| 8週 |
ＡＩ・ビッグデータと応用分野１ |
1【重要性】,2【利活用】
|
| 4thQ |
| 9週 |
表計算ソフトの基礎３ |
4【表計算ソフト】
|
| 10週 |
ＡＩ・ビッグデータと応用分野２ |
1【重要性】,2【利活用】
|
| 11週 |
表計算ソフトの応用 |
4【表計算ソフト】
|
| 12週 |
組織としての情報セキュリティ
情報格付け |
5【セキュリティ】
|
| 13週 |
セキュリティポリシー
アクセス制限 |
5【セキュリティ】
|
| 14週 |
リスク管理・インシデント対応 |
5【セキュリティ】
|
| 15週 |
期末試験 |
|
| 16週 |
試験返却・解説・復習 |
|
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 | 社会の情報化の進展と課題について理解し説明できる。 | 3 | 後1,後2 |
| 代表的な情報システムとその利用形態について説明できる。 | 3 | 後3 |
| 情報を適切に収集・取得できる。 | 3 | 後2 |
| データベースの意義と概要について説明できる。 | 3 | 後2 |
| 計算機を用いて数学的な処理を行うことができる。 | 3 | 後4,後6,後9,後11 |
| 情報の適切な表現方法と伝達手段を選択し、情報の送受信を行うことができる。 | 3 | 後2 |
| 情報通信ネットワークの仕組みや構成及び構成要素、プロトコルの役割や技術についての知識を持ち、社会における情報通信ネットワークの役割を説明できる。 | 3 | 後3,後5 |
| 情報セキュリティの必要性を理解し、対策について説明できる。 | 3 | 後12 |
| 情報セキュリティに基づいた情報へのアクセス方法を説明できる。 | 3 | 後13 |
| 情報セキュリティを運用するための考え方と方法を説明できる。 | 3 | 後12,後13,後14 |
| データサイエンス・AI技術の概要を説明できる。 | 3 | 後1 |
| データサイエンス・AI技術が社会や日常生活における課題解決の有用なツールであり、様々な専門領域の知見と組み合わせることによって価値を創造するものであることを、活用事例をもとに説明できる。 | 3 | 後1,後8,後10 |
| データサイエンス・AI技術を利活用する際に求められるモラルや倫理について理解し、データを守るために必要な事項を説明できる。 | 3 | 後2,後8,後10 |
| データサイエンス・AI技術の利活用に必要な基本的スキル（データの取得、可視化、分析）を使うことができる。 | 3 | 後4,後6,後9,後11 |
| 自らの専門分野において、データサイエンス・AI技術と社会や日常生活との関わり、活用方法について説明できる。 | 3 | 後1,後2 |
評価割合
| 試験 | 課題 | 合計 |
| 総合評価割合 | 60 | 40 | 100 |
| 基礎的能力 | 60 | 40 | 100 |
| 専門的能力 | 0 | 0 | 0 |
| 分野横断的能力 | 0 | 0 | 0 |