数理・データサイエンスⅡ

科目基礎情報

学校	大分工業高等専門学校	開講年度	令和07年度 (2025年度)
授業科目	数理・データサイエンスⅡ
科目番号	R07M411	科目区分	一般 / 選択
授業形態	授業	単位の種別と単位数	履修単位: 1
開設学科	機械工学科	対象学年	4
開設期	後期	週時間数	2
教科書/教材	（教科書）高遠節夫 、樋口勇夫他，「新確率統計　改訂版」，「新確率統計問題集　改訂版」大日本図書
担当教員	樋口 勇夫

到達目標

(1) ベイズの定理とベイズ統計学について理解し，簡単な状況における推測ができる．（定期試験，課題）
(2) AIの実際の使用法を理解できる．（課題）
(3) 適合度検定，独立性検定，分散分析などの統計手法について理解し，データに基づいた推測ができる．（定期試験、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
評価項目1	ベイズ統計について理解し，ベイズ統計を用いた統計的推測ができる．	ベイズの定理とベイズ統計について理解できる．	ベイズの定理について理解できない．
評価項目2	AI(LLM)を用いてデータに基づいた問題解決ができる．	AI(LLM)を用いて問題解決ができる．	AI(LLM)が使用できない．
評価項目3	データに応じた適切な方法を用いて統計的推測ができる．	様々な手法を使って統計的推測ができる．	統計的推測の各種手法を使うことができない．

教育方法等

概要:

本授業ではデータサイエンスにおいて重要なベイズ統計の基礎ついて学ぶ．また、AIに関するプログラミングなどの演習を行う。後半ではいろいろな仮説検定の手法について学ぶ．
（科目情報）
教育プログラム第1学年　〇科目
数理・データサイエンス・AI教育プログラム科目

授業の進め方・方法:

主にパワーポイントを用いた対面授業の手法をとる．実際に統計的推測を行うための計算演習も行う．
（事前学習）
予習は，授業予定範囲の教科書を読んでおくこと．理解に必要な数学は事前によく予習しておくこと．

注意点:

（履修上の注意）予習・復習をしておくこと．
（自学上の注意）特に復習に時間を十分にかけること．

評価

（総合評価）
総合評価＝（定期試験の平均点）×80％＋（課題点）×20%
総合評価は，（定期試験の平均点）×80％＋課題点（20点満点）で評価する．
到達目標の(1)～(3)について 2 回の定期試験と課題で評価する．
（単位修得の条件について）
総合評価 60 点以上を合格とする.
（再試験について）
不合格者に対して再試験を実施する．

授業計画

		週	授業内容	週ごとの到達目標
後期
	3rdQ
		1週	ベイズの定理	逆確率，全確率の公式，ベイズの定理について理解できる．(数理)
		2週	ベイズ統計(1)	ベイズ統計の仕組みを理解できる．(数理)
		3週	ベイズ統計(2)	二項分布，正規分布に対する事後確率を理解し，計算できる．(数理)
		4週	確率過程	確率過程について理解できる．(数理)
		5週	マルコフ連鎖	マルコフ連鎖について理解できる．(数理)
		6週	ベイズ統計とAI	ベイズ統計とAIとの関係について理解し，説明できる．(数理)
		7週	実践AI演習(1)	ニューラルネットワークを行列などを使って実現できる．(数理)
		8週	実践AI演習(2)	LLMの基本的な使い方ができる．(数理)
	4thQ
		9週	中間試験	到達目標(1)(2)
		10週	実践AI演習(3)	AIを使ってデータ分析ができる．(数理)
		11週	仮説検定の考え方	仮説検定の考え方について復習する．（数理）
		12週	適合度検定と独立性検定	適合度検定と独立性検定について理解し，検定ができる．(数理)
		13週	分散分析(1)	分散分析のしくみについて理解できる．(数理)
		14週	分散分析(2)	分散分析を用いて検定できる．(数理)
		15週	期末試験	到達目標(2)(3)
		16週	期末試験の解説

評価割合

	試験	課題	合計
総合評価割合	80	20	100
基礎的能力	70	10	80
専門的能力	0	0	0
分野横断的能力	10	10	20