到達目標
1. 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. 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. 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. 表計算ソフトを用い、簡単な計算やグラフを作成できること。
5. 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
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.9)に記載する「②専門基礎科目」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 |
1,2
|
2週 |
ビッグデータの収集・管理・可視化 |
2
|
3週 |
コンピュータの利用形態(サーバ・クラウド) |
3
|
4週 |
表計算ソフトの基礎1 |
4
|
5週 |
インターネット・IPアドレス・WANとLAN |
3
|
6週 |
表計算ソフトの基礎2 |
4
|
7週 |
中間試験期間 |
|
8週 |
コンピュータのインタフェース システムの要件 |
3
|
4thQ |
9週 |
表計算ソフトの基礎3 |
4
|
10週 |
AI・ビッグデータと応用分野 |
1,2
|
11週 |
表計算ソフトの応用 |
4
|
12週 |
組織としての情報セキュリティ 情報格付け |
5
|
13週 |
セキュリティポリシー アクセス制限 |
5
|
14週 |
リスク管理・インシデント対応 |
5
|
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 |
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 |