到達目標
1. 統計処理言語Rを用いた基礎的なデータ解析が出来る
2. データマイニングの主要な手法が実践できる
3. データがどのように生成されたのかについて配慮しながらデータ解析を進める事が出来る
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. 統計処理言語Rを用いた基礎的なデータ解析が出来る | 授業で扱った範囲以外のデータ解析手法について自ら学び実践できる | 授業で扱った範囲のデータ解析手法について自ら学び実践できる | 授業で扱った範囲のデータ解析手法について自ら学び実践できない |
| 評価項目2. データマイニングの主要な手法が実践できる | 授業で扱った範囲以外のデータマイニング手法について自ら学び実践できる | 授業で扱った範囲のデータマイニング手法について自ら学び実践できる | 授業で扱った範囲のデータマイニング手法について自ら学び実践できない |
| 評価項目3. データがどのように生成されたのかについて配慮しながらデータ解析を進める事が出来る | 授業で扱った範囲以外のデータについてその由来やデータ計測の方法等について調べ理解した上で解析をすすめることができる | 授業で扱った範囲のデータについてその由来やデータ計測の方法等について調べ理解した上で解析をすすめることができる | 授業で扱った範囲のデータについてその由来やデータ計測の方法等について調べ理解した上で解析をすすめることができない |
学科の到達目標項目との関係
JABEE基準 (1(2)(d)(2))
説明
閉じる
JABEE基準 (c)
説明
閉じる
専攻科到達目標 2-1
説明
閉じる
教育方法等
概要:
様々なデータを扱う中で、昨今ではビッグデータと呼ばれる大量のデータを解析する場面に直面することが多い。データは数字の羅列であるが、そこから、データが意味するものを抽出するには、どのようにしてデータが生成されたのかを理解すると同時に、データを扱う基本的な手法を身につけていることが必須である。表計算ソフトを用いた解析の他に、統計処理言語を用いた解析を行い、データ数に寄らずに素早く解析が出来る手法を身につける。
授業の進め方・方法:
授業中の演習と、随時課す課題をこなしながら進める。
注意点:
60点以上を合格とする。
授業中の演習と課題は評価点として重要であるので、毎回の学習努力を要する。
質問等は随時直接又はメールにて受け付ける。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
授業プログラミング応用の概要 |
概要
|
| 2週 |
データマイニング, ビッグデータ |
データマイニングの様々な手法を概観する
|
| 3週 |
統計処理言語Rの基礎(1) |
統計処理言語Ｒの基礎を身につける
|
| 4週 |
統計処理言語Rの基礎(2) |
統計処理言語Ｒの基礎を身につける
|
| 5週 |
ヒストグラム、散布図 |
ヒストグラムや散布図を作成出来る
|
| 6週 |
相関解析、クラスター解析 |
相関解析やクラスター解析が出来る
|
| 7週 |
クラスター解析 |
クラスター解析の原理を理解できる
|
| 8週 |
〔中間試験〕 |
|
| 4thQ |
| 9週 |
試験返却と解説 |
|
| 10週 |
統計処理言語Rの基礎(3) |
統計処理言語Ｒの基礎を身につける
|
| 11週 |
主成分分析 |
主成分分析の原理を理解出来る
|
| 12週 |
主成分分析、SOM |
主成分分析ができる、SOMの原理を理解出来る
|
| 13週 |
SOM |
SOMをもちいた解析ができる
|
| 14週 |
まとめと復習 |
まとめ
|
| 15週 |
〔期末試験〕 |
|
| 16週 |
試験返却と解説 |
|
評価割合
| 試験 | 発表 | 相互評価 | 課題 | 合計 |
| 総合評価割合 | 20 | 20 | 10 | 50 | 100 |
| 基礎的能力 | 0 | 0 | 0 | 0 | 0 |
| 専門的能力 | 0 | 0 | 0 | 0 | 0 |
| 分野横断的能力 | 20 | 20 | 10 | 50 | 100 |