到達目標
1.Rの基本操作について理解できる。
2.実践的なデータ解析について理解できる。
3.多変量データ解析について理解できる。
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 | Rの基本操作について理解し,実践できる。 | Rの基本操作について理解できる。 | Rの基本操作について理解できない。 |
評価項目2 | 実践的なデータ解析について理解し,実践できる。 | 実践的なデータ解析の基本について理解できる。 | 実践的なデータ解析について理解できない。 |
評価項目3 | 多変量データ解析について理解し,実践できる。 | 多変量データ解析の基本について理解できる。 | 多変量データ解析の基本について理解できない。 |
学科の到達目標項目との関係
JABEE B-1
説明
閉じる
JABEE D-1
説明
閉じる
教育方法等
概要:
データサイエンスの技術のうち,数値計算,データハンドリング,データ解析等について,Rによる実践的能力について学習する。
実務経験のある教員による授業科目:この科目は企業で画像認識の研究を行っていた教員の経験を活かし,統計的仮説検定などについて講義・演習形式で授業を行うものである。
授業の進め方・方法:
授業は講義に演習を交えながら進めていく。プログラミングは,L3教室または遠隔にて行う。本科目は学修単位科目であるので、授業時間以外での学修が必要であり、これを課題として課す。
注意点:
(1)点数配分:期末試験100%する。
(2)評価基準:60点以上を合格とする。
(3)再試:60点以上を合格(60点)とする。
(4)準備学習:事前に予習を済ませておくこと。
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 |
ガイダンス(Rの起動,終了,代入,ベクトルの基本,関数定義) |
Rの基本的事項について理解できる。
|
2週 |
ヘルプ,パッケージ,関数定義確認,グラフ作成 |
ヘルプ,パッケージ,関数定義確認,グラフ作成について理解し,実践することができる。
|
3週 |
データ解析入門 |
要約統計量,検定について理解し,課題を実践することができる。
|
4週 |
データの種類と種々のベクトル |
ベクトルについて理解し,課題を実践することができる。
|
5週 |
配列とリスト,要素ラベル |
配列とリスト,要素ラベルについて理解し,演習を実践することができる。
|
6週 |
オブジェクトと出力 |
オブジェクトと出力について理解し,演習を実践することができる。
|
7週 |
行列,関数 |
行列,関数について理解し,演習を実践することができる。
|
8週 |
数値計算 |
数値計算について理解し,演習を実践することができる。
|
4thQ |
9週 |
データハンドリング |
データハンドリングについて理解し,演習を実践することができる。
|
10週 |
データ解析実践 |
回帰分析,ベイズ解析等について理解し,演習を実践することができる。
|
11週 |
乱数とシミュレーション |
モンテカルロシミュレーションについて理解し,演習を実践することができる。
|
12週 |
グラフィックス |
グラフィックス適用方法について理解し,演習を実践することができる。
|
13週 |
多変量解析1 |
主成分分析,因子分析等について理解し,演習を実践することができる。
|
14週 |
多変量解析2 |
SVM,ニューラルネットワーク等について理解し,演習を実践することができる。
|
15週 |
総復習 |
今までの学習事項について復習し,理解を含めることができる。
|
16週 |
|
|
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 | 発表 | 相互評価 | 態度 | ポートフォリオ | 課題 | 合計 |
総合評価割合 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
基礎的能力 | 30 | 0 | 0 | 0 | 0 | 0 | 30 |
専門的能力 | 70 | 0 | 0 | 0 | 0 | 0 | 70 |
分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |