到達目標
1. データとは何かを理解し、説明することができる。
2. データ群の取扱いについて理解し、説明することができる。
3. データ群の解析により導出される統計量について理解し、説明することができる。
ルーブリック
| 理想的な到達レベルの目安(優) | 標準的な到達レベルの目安(良) | 未到達レベルの目安(不可) |
| 評価項目1 | データとは何かを理解し、説明することができる。 | データとは何かを理解することができる。 | データとは何かを理解することができない。 |
| 評価項目2 | データ群の取扱いについて理解し、説明することができる。 | データ群の取扱いについて理解することができる。 | データ群の取扱いについて理解することができない。 |
| 評価項目3 | データ群の解析により導出される統計量について理解し、説明することができる。 | データ群の解析により導出される統計量について理解することができる。 | データ群の解析により導出される統計量について理解することができない。 |
学科の到達目標項目との関係
学習・教育到達度目標 B① 専門分野における工学の基礎を理解できる。
学習・教育到達度目標 B② 自主的・継続的な学習を通じて、専門工学の基礎科目に関する問題を解くことができる。
教育方法等
概要:
基礎データサイエンスでは、あらゆる事象を数値化されたデータという観点からで考察し、データの取扱いやその解析から導出される統計量の基本について学習する。
授業の進め方・方法:
適宜、演習と復習を実施し、データサイエンス的センスを培っていく。
注意点:
3年次前期までに学習した数学系科目や化学系科目の知識を前提として進める。
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 |
データとは何か |
あらゆるものが「数値データ」で表現できることを理解する
|
| 2週 |
ベクトル化とデータの集合 |
データを「ベクトル化」し、「データ集合」として取り扱えることを理解する
|
| 3週 |
平均・分散・相関 |
データ群の「平均」，「分散」，「相関」について理解する
|
| 4週 |
データ間の距離と類似度 |
データにおける「距離」や「類似度」の概念を理解する
|
| 5週 |
クラスタリングと異常検出 |
部分集合に分割する「クラスタリング」と「異常検出法」を理解する
|
| 6週 |
線形代数に基づくデータ解析の基礎 |
線形代数に基づいて「基底」の性質を理解する
|
| 7週 |
主成分分析 |
「主成分」とそれに基づいて「分析」することを理解する
|
| 8週 |
中間試験 |
中間試験
|
| 4thQ |
| 9週 |
予測と回帰分析 |
データを用いた「予測」と「回帰分析」の基礎を理解する
|
| 10週 |
可視化 |
図を用いてデータを「可視化」することを理解する
|
| 11週 |
確率と確率分布 |
「確率」と「確率分布」の違い､正規分布を理解する
|
| 12週 |
信頼区間と統計的検定 |
「母集団」，「標本」，「信頼区間」，「統計的検定」を理解する
|
| 13週 |
非構造化データ解析 |
「構造化データ」と「非構造化データ」の違いを理解する
|
| 14週 |
パターン認識と分類 |
「最近傍法」，「k近傍法」や「識別関数法」を理解できる
|
| 15週 |
人工知能入門 |
「人工知能(AI)」や「機械学習」，「AI」にできることできないことを理解する
|
| 16週 |
定期試験 |
定期試験
|
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 | 工学実験技術(各種測定方法、データ処理、考察方法) | 工学実験技術(各種測定方法、データ処理、考察方法) | 実験データを適切なグラフや図、表など用いて表現できる。 | 3 | |
評価割合
| 試験 | 発表 | 相互評価 | 態度 | ポートフォリオ | その他 | 合計 |
| 総合評価割合 | 80 | 0 | 0 | 0 | 0 | 20 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 80 | 0 | 0 | 0 | 0 | 20 | 100 |
| 分野横断的能力 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |