到達目標
(1) データサイエンスの基本的な内容について理解し説明できる(定期試験と課題)
(2) データの基本的知識を理解し，データをもとに適切な検討ができる(定期試験と課題)
(3) データを加工する方法を理解し，適切に表現できる(定期試験と課題)
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 |
| 到達目標(1) の評価指標 | データサイエンスの基礎となる内容を理解し，人工知能との関係を説明できる． | データサイエンスの基礎となる内容について説明できる． | データサイエンスの基礎となる内容について理解できない． |
| 到達目標(2) の評価指標 | データの基本的知識をを理解し，データに基づいて，状況を踏まえた検討ができる． | データの基本的知識を理解し，データに基づいた検討ができる． | データの基本的知識をを理解できない． |
| 到達目標(3) の評価指標 | 状況に合わせデータを加工し，適切に表現できる． | データを加工する方法について説明できる． | データを加工する方法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:
（科目情報）
・数理・データサイエンス・AI教育プログラム科目
数理・データサイエンス・AIに関するリテラシーレベルの基礎的な内容として，データサイエンスの基礎について学ぶ．
授業の進め方・方法:
座学による対面授業を中心とする．実際のデータを加工するときはグループワークによる演習を行う．
(事前学習)
何か興味があることについて収集できるデータがあるかどうか調べておく．
注意点:
(自学上の注意)
復習をしっかりすること．わからないことはそのままにせず質問すること．
(履修上の注意)
BYODのいろいろなツールを活用できるように準備しておくことが望ましい．
評価
（総合評価）
総合評価=(中間試験と期末試験の平均)×0.6+(課題・小テスト)×0.4
最終評価60点以上を合格とする．
(再試験)
不合格者には再試験を行う．
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 |
授業の進め方
情報システムの概要 |
構築したいシステムの概要を第三者に説明できる．(数理)
|
| 2週 |
人工知能の概要(1) |
データ・AIの活用領域の広がりを理解し，データ・AIが社会の課題を解決できる基本的なツールであることを説明できる．(数理)
|
| 3週 |
人工知能の概要(2) |
データ・AI利活用における具体的な事例をもとにして，現場では複数の技術が組み合わされて実現していることを説明できる．データ・AIの利活用技術について，基礎的な手法や特徴を説明できる.(数理)
|
| 4週 |
オープンデータの取得 |
データ・AIの活用に必要なデータを取得することができる．(数理)
|
| 5週 |
オープンデータの活用 |
データ・AIの利活用技術について，基礎的な手法や特徴を説明できる.(数理)
|
| 6週 |
データ・情報の可視化(1) |
情報の真偽について，根拠に基づいて検討する方法を知っている．(数理)
|
| 7週 |
データ・情報の可視化(2) |
データの標本平均や分散を求め，データの表現に活用できる．(数理)
|
| 8週 |
データ・情報の可視化(3) |
加工したデータを表現するためのツールとしてWord，Excelを利用できる．(数理)
|
| 4thQ |
| 9週 |
後期中間試験 |
目的・到達目標(1)(2)
|
| 10週 |
中間試験の解説
データサイエンス演習(1) |
各自が選んだテーマに基づいてデータ分析を行う．(数理)
|
| 11週 |
データサイエンス演習(2) |
データサイエンスの基本的考え方である帰納法を学ぶ．(数理)
|
| 12週 |
仮説検定の考え方(1) |
二項検定のための確率計算ができる．(数理)
|
| 13週 |
仮説検定の考え方(2) |
仮説検定の考え方を理解し，二項検定ができる．(数理)
|
| 14週 |
データサイエンス演習の振り返り |
提出された課題について振り返る．(数理)
|
| 15週 |
前期末試験 |
目的・到達目標(2)(3)
|
| 16週 |
前期末試験の解説 |
わからなかったところを復習する．
|
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 | 情報リテラシー | 情報リテラシー | 情報を適切に収集・取得できる。 | 3 | 後4,後6 |
| 情報の真偽について、根拠に基づいて検討する方法を説明できる。 | 3 | 後7,後8 |
| 情報の適切な表現方法と伝達手段を選択し、情報の送受信を行うことができる。 | 3 | 後7,後8 |
| データサイエンス・AI技術の概要を説明できる。 | 3 | 後2,後3 |
| データサイエンス・AI技術が社会や日常生活における課題解決の有用なツールであり、様々な専門領域の知見と組み合わせることによって価値を創造するものであることを、活用事例をもとに説明できる。 | 3 | 後2,後3 |
| データサイエンス・AI技術を利活用する際に求められるモラルや倫理について理解し、データを守るために必要な事項を説明できる。 | 3 | 後2,後3 |
| データサイエンス・AI技術の利活用に必要な基本的スキル（データの取得、可視化、分析）を使うことができる。 | 3 | 後4,後5,後6,後10,後13 |
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 |