到達目標
(1)データ分析に必要なライブラリの使用方法を理解し、使用することができる。（課題・レポート）
(2) データを適切に加工し、可視化することができる。（課題・レポート）
(3) 実践的データを分析し、分析結果を説明することができる。（課題・レポート）
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 | データ分析に必要なライブラリの使用方法を理解し、使用することができる。 | データ分析に必要なライブラリの基礎的な使用方法を理解し、使用することができる。 | データ分析に必要なライブラリの使用方法を理解し、使用することができない。 |
| 到達目標(2)の評価指標 | データを適切に加工し、可視化することができる。 | データを加工し、可視化することができる。 | データを適切に加工し、可視化することができない。 |
| 到達目標(3)の評価指標 | 実践的データを分析し、分析結果を説明することができる。 | 実践的データを簡易的に分析し、分析結果を説明することができる。 | 実践的データを分析し、分析結果を説明することができない。 |
学科の到達目標項目との関係
教育方法等
概要:
この講義では、主としてPythonによるデータ分析方法について、実践的データを用いて演習を行う。
授業の進め方・方法:
授業は１週２コマで行う。授業はまず，基本的なアルゴリズムの原理及びサンプルプログラムについて説明を行い，授業の後半では，学んだ事項の応用プログラムの作成を行う。
注意点:
(履修上の注意)
・プログラム作成が時間内に終了しない場合には期限までに時間外で完成させること。
評価
（総合評価）
総合評価 = 課題・レポート × 1.0
（単位修得の条件）
総合評価60点以上を合格とする。
(再試験について)
原則として行わない
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 |
データ分析ライブラリ |
データ分析ライブラリの使用方法を理解できる。
|
| 2週 |
データ分析ライブラリ |
データ分析ライブラリの使用方法を理解できる。
|
| 3週 |
統計解析 |
統計解析方法について理解できる。
|
| 4週 |
統計解析 |
統計解析方法について理解できる。
|
| 5週 |
統計解析 |
統計解析方法について理解できる。
|
| 6週 |
データ加工処理 |
データ加工処理方法について理解できる。
|
| 7週 |
データの可視化 |
データの可視化方法について理解できる。
|
| 8週 |
機械学習の基礎（教師あり学習） |
教師あり学習の基礎について理解できる。
|
| 2ndQ |
| 9週 |
（前期中間試験） |
|
| 10週 |
機械学習の基礎（教師なし学習） |
教師なし学習の基礎について理解できる。
|
| 11週 |
モデルの検証方法 |
機械学習モデルの検証方法について理解できる。
|
| 12週 |
総合演習 |
実践的データ分析方法について理解できる。
|
| 13週 |
総合演習 |
実践的データ分析方法について理解できる。
|
| 14週 |
総合演習 |
実践的データ分析方法について理解できる。
|
| 15週 |
（前期期末試験） |
|
| 16週 |
|
|
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 |
評価割合
| 課題・レポート | 合計 |
| 総合評価割合 | 100 | 100 |
| 基礎的能力 | 50 | 50 |
| 専門的能力 | 50 | 50 |