到達目標
１．データの統計的な解析・評価のツールとしてコンピュータを活用できる。（Ａ２）
２．統計的手法を実際の問題の解決に応用できる。（Ａ３）
３．さまざまなプログラム言語を使用しログ処理などができる（Ａ４）
４．ネットワークプログラミングを用いた通信のシステムをつくることができる。（Ａ４）
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（到達目標１） | 様々な場面で、データの統計的な解析・評価のツールとしてコンピュータを活用できる。 | 特定の場面で、データの統計的な解析・評価のツールとしてコンピュータを活用できる。 | データの統計的な解析・評価のツールとしてコンピュータを活用できない。 |
| 評価項目２（到達目標２） | 様々な場面で、統計的手法を実際の問題の解決に応用できる。 | 特定の場面で、統計的手法を実際の問題の解決に応用できる。 | 統計的手法を実際の問題の解決に応用できない。 |
| 評価項目３（到達目標３） | さまざまなプログラム言語を使用しログ処理などができる。 | 特定のプログラム言語を使用しログ処理などができる。 | さまざまなプログラム言語を使用しログ処理などができない。 |
| 評価項目４（到達目標４） | ネットワークプログラミングを用いた通信のシステムをつくることができる。 | ネットワークプログラミングを用いた通信の単純なシステムをつくることができる。 | ネットワークプログラミングを用いた通信のシステムをつくることができない。 |
学科の到達目標項目との関係
学習・教育到達度目標 A-4
説明
閉じる
JABEE b
説明
閉じる
JABEE d
説明
閉じる
JABEE e
説明
閉じる
教育方法等
概要:
前期前半：データサイエンス・AIに関する基本的な知識と、Excelを用いた統計処理について学習する。
前期後半・後期：様々なプログラミング言語の使用方法、ソケットプログラミングについて学習する。
授業の進め方・方法:
予備知識：これまでの数学の内容を理解しておくこと、Linux、Windowsの簡単な操作ができること
講義室：ICT室、教室
授業形式：講義と演習
学生が用意するもの：ノート、ファイル、関数電卓
※この科目は学修単位科目のため、事前・事後学習としてレポートやオンラインテスト等を実施します。
※前期前半の８コマを濱田教員が担当。前期後半と後期の２２コマを佐当教員が担当。
注意点:
評価方法・評価基準：＜前期前半：濱田＞確認テスト５点（Ａ３）、課題１５点（Ａ２）、レポート５点（Ａ３）で評価し、２５点満点での評価を算出。
＜前期後半・後期：佐当＞８つの授業テーマに対して課題各４点（最後のテーマは課題７点），レポート各５点で評価し、７５点満点での評価を算出。
前期前半と前期後半・後期の評価を平均し、１００点満点で６０点以上を合格とする。
自己学習の指針：講義資料をよく読み、講義中の演習問題について理解すること。この科目は学修単位科目のため、授業時間と同じ程度の自主学習、演習を行うこと。
オフィスアワー：＜濱田＞月曜日 １６：００～１７：００ 金曜日 １６：００～１７：００
＜佐当＞月曜日 １２：００～１３：００
※到達目標の（ ）内の記号はJABEE学習・教育到達目標
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 |
| 前期 |
| 1stQ |
| 1週 |
オリエンテーション
社会で起きている変化
統計の活用事例に学ぶ1 (本当の主要顧客を発見して売上アップ！) |
この授業の目的について理解できる
社会で起きている変化を知り、データサイエンスやAIを学ぶことの意義を理解できる
顧客データの統計的記述から特性を分析できる
|
| 2週 |
社会で活用されているデータ
データ・AIの活用領域
統計の活用事例に学ぶ2 (天気と売上の関係から、効果的な販売・仕入れ) |
どのようなデータが集められ、活用されているのかを知ることができる
気象条件との相関を分析し、販売戦略を検討できる
|
| 3週 |
データ・AI利活用のための技術
データ・AI利活用の現場
統計の活用事例に学ぶ3 (統計的思考で商品の品質チェック！)
統計の活用事例に学ぶ4 (統計的検定でサプリメントの効果判定！) |
データ・AIを活用するために使われている技術の概要を知ることができる
データ・AIを活用することによって、どのような価値が生まれているかを知ることができる
サンプリング調査による品質の統計的推定ができる
標本調査と検定でサプリメント効果が実証できる
|
| 4週 |
データ・AI利活用の最新動向
データを読む
統計力チャレンジ1 |
データ・AI利活用における新技術と最新動向を知ることができる
グラフや統計情報から起きている事象の背景や意味合いを理解することができる
公的統計のデータ収集と記述的分析ができる
|
| 5週 |
データを説明する
データを扱う
統計力チャレンジ2 |
適切な可視化方法を選択して他者に説明できる
小規模データを集計・加工できる
公的統計を用いて、自分で考えながらデータの分析ができる
|
| 6週 |
データ・AIを扱う上での留意事項
統計力チャレンジ3 |
データやAIを使うにあたり最低限気をつけるべきことを理解する
公的統計を用いて、自分で考えながらデータの分析ができる
|
| 7週 |
ピュアレビュー |
設定された観点によって、他人のレポートの評価を行うことができる
|
| 8週 |
データを守る上での留意事項
深層学習の体験 |
データやAIを使うにあたり最低限気をつけるべきことを理解する。
深層学習 (ディープラーニング) とは何か理解し、体験することができる
|
| 2ndQ |
| 9週 |
Tex（１） |
Texがなにか説明できる
|
| 10週 |
Tex（２） |
Texを用いた単純な文書作成ができる
|
| 11週 |
Tex（３） |
Texを用いたレポート文書を作成できる
|
| 12週 |
ネットワークリテラシー |
ネットワークリテラシーがなにか説明できる
|
| 13週 |
コマンドリファレンス（１） |
ディレクトリの作成・削除などディレクトリに関するコマンドを操作できる
|
| 14週 |
コマンドリファレンス（２） |
ファイルの作成，一覧表示，コピー，移動，削除などファイルに関するコマンドを操作できる
|
| 15週 |
コマンドリファレンス（３） |
ファイルのアクセス権，圧縮・解凍，テキスト処理などのコマンドを操作できる
|
| 16週 |
|
|
| 後期 |
| 3rdQ |
| 1週 |
シェルスクリプト（１） |
シェルの概念および役割を理解し，シェル変数，分岐処理が利用できる
|
| 2週 |
シェルスクリプト（２） |
シェル変数，論理演算，繰り返し処理を利用したシェルスクリプト作成できる
|
| 3週 |
シェルスクリプト（３） |
シェルスクリプトを利用して簡単なログ処理ができる
|
| 4週 |
Perl（１） |
Perlを利用した変数，文字列の処理ができる
|
| 5週 |
Perl（２） |
Perlを利用して簡単なログ処理ができる
|
| 6週 |
Perl（３） |
Perlを利用して複数のログを利用したログ処理ができる
|
| 7週 |
Gnuplot（１） |
Gnuplotを使って単純なグラフを描画できる
|
| 8週 |
Gnuplot（２） |
Gnuplotを使って複数のグラフ（線グラフ，棒グラフなど）を描画できる
|
| 4thQ |
| 9週 |
Gnuplot（３） |
シェルスクリプトおよびperlを使いログ処理の結果をgnuplotを用いてグラフ化する処理を自動化することができる
|
| 10週 |
python（１） |
Pythonの概要，条件分岐，if文を使ったデータ処理ができる
|
| 11週 |
python（２） |
Pythonを用いて簡単なログ処理ができる
|
| 12週 |
python（３） |
Pythonを用いてログ処理を行い，その結果からグラフを描画できる
|
| 13週 |
ソケットプログラミング（１） |
ソケット間通信がなにか説明できる
|
| 14週 |
ソケットプログラミング（２） |
ソケットのクライアント側の動作を学び，実装ができる
|
| 15週 |
ソケットプログラミング（３） |
ソケットのサーバ側の動作を学び，実装ができる
|
| 16週 |
|
|
評価割合
| 確認テスト | 課題 | レポート | 成果発表 | 合計 |
| 総合評価割合 | 5 | 50 | 45 | 0 | 100 |
| 専門的能力 | 5 | 50 | 45 | 0 | 100 |