日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
経済学部/College of EconomicsCollege of Economics |
| 科目コード等/ Course CodeCourse Code |
BX583/BX583BX583 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
対面（全回対面）/Face to face (all classes are face-to-face)Face to face (all classes are face-to-face) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
池袋/IkebukuroIkebukuro |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
金4/Fri.4 Fri.4 ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
ECX2310 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
履修登録システムの『他学部・他研究科履修不許可科目一覧』で確認してください。 |
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
After completing this course, students should be able to:
-explain the concepts and terminology associated with data science
-understand and apply general methods for data analysis using Python programming
This course will provide students with the foundations of data science using Python programming. Students will learn the concepts, techniques, and tools needed to analyze various types of real-world data related to economic phenomena.
| 1 | Pythonプログラミング（Google Colaboratoryの使い方，コメント，print，変数，型，代入） |
| 2 | Pythonプログラミング（算術演算，比較演算，論理演算，リスト） |
| 3 | Pythonプログラミング（if文による条件分岐，for文による処理の繰り返し） |
| 4 | Pythonプログラミング（テキストファイルの読み書き，グラフを描く） |
| 5 | 指数・対数とベキ分布（複利，確率密度関数，累積分布関数，経済物理学，フラクタル，スケールフリー，ベキ乗則） |
| 6 | 外国為替レートの時系列の分析（１） |
| 7 | p値と検定（大数の法則，正規分布，標本誤差，ランダム化テスト，乱数，モンテカルロ法） |
| 8 | 外国為替レートの時系列の分析（２） |
| 9 | 相関係数（散布図，積率相関，順位相関，相関と因果，疑似相関，交絡，定常性，自己相関） |
| 10 | 外国為替レートの時系列の分析（３） |
| 11 | クラスタリングと次元削減（階層的クラスタリング，デンドログラム，k-means，主成分分析） |
| 12 | 住宅取引データの分析（１） |
| 13 | 住宅取引データの分析（２） |
| 14 | まとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
各自の授業の理解度に応じて，適宜，授業で説明したプログラムやテキストなどを復習することを薦める．
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 筆記試験 (Written Exam) | 60 | |
| 平常点 (In-class Points) | 40 |
レポート(40%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 必要に応じて授業で指示する． |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 大村 平 | 『多変量解析のはなし―複雑さから本質を探る』 | 日科技連出版社 | 2006 | 4817180277 |
| 2 | 大村 平 | 『統計のはなし― 基礎・応用・娯楽 』 | 日科技連出版社 | 2022 | 4817180293 |
| 3 | 佐村 敏治，堀 桂太郎 | 『例題でわかる Pythonプログラミング入門』 | 電気書院 | 2022 | 4485301184 |
| 4 | 三谷 純 | 『Python ゼロからはじめるプログラミング』 | 翔泳社 | 2021 | 9784798169460 |
| その他 (Others) | |||||
| ◇IPSJ MOOC（情報処理学会公開教材）：https://sites.google.com/a.ipsj.or.jp/mooc/ ◇数理・データサイエンス・AI教育強化拠点コンソーシアム リテラシーレベルモデルカリキュラム対応教材：http://www.mi.u-tokyo.ac.jp/consortium/e-learning.html 応用基礎レベルモデルカリキュラム対応教材：http://www.mi.u-tokyo.ac.jp/consortium/e-learning_ouyoukiso.html 東京大学 数理・情報教育センターの教材：http://www.mi.u-tokyo.ac.jp/6university_consortium.html | |||||
・高校数学(I・A・II・B)の基礎を前提として授業を行う．高校数学の内容は必要に応じて各自で予習・復習してください．
・授業では，ウェブブラウザ上で使用できるGoogle Colaboratoryを用いたPythonのプログラミングとデータサイエンスの基礎に加えて，現実の経済データを用いた実践的な分析も行う．
・ネットワークに接続できるノートパソコンを授業に持参してください．
・他学部の学生の受講も歓迎する．
データサイエンスの用語や概念を理解すること，Pythonプログラミングを用いたデータ分析の一般的手法を修得することを目標とする。
After completing this course, students should be able to:
-explain the concepts and terminology associated with data science
-understand and apply general methods for data analysis using Python programming
Pythonプログラミングを用いたデータサイエンスの基礎的手法を解説する．経済現象にみられる様々な実データを分析する際に必要となる概念や分析手法を学ぶ．
This course will provide students with the foundations of data science using Python programming. Students will learn the concepts, techniques, and tools needed to analyze various types of real-world data related to economic phenomena.
| 1 | Pythonプログラミング（Google Colaboratoryの使い方，コメント，print，変数，型，代入） |
| 2 | Pythonプログラミング（算術演算，比較演算，論理演算，リスト） |
| 3 | Pythonプログラミング（if文による条件分岐，for文による処理の繰り返し） |
| 4 | Pythonプログラミング（テキストファイルの読み書き，グラフを描く） |
| 5 | 指数・対数とベキ分布（複利，確率密度関数，累積分布関数，経済物理学，フラクタル，スケールフリー，ベキ乗則） |
| 6 | 外国為替レートの時系列の分析（１） |
| 7 | p値と検定（大数の法則，正規分布，標本誤差，ランダム化テスト，乱数，モンテカルロ法） |
| 8 | 外国為替レートの時系列の分析（２） |
| 9 | 相関係数（散布図，積率相関，順位相関，相関と因果，疑似相関，交絡，定常性，自己相関） |
| 10 | 外国為替レートの時系列の分析（３） |
| 11 | クラスタリングと次元削減（階層的クラスタリング，デンドログラム，k-means，主成分分析） |
| 12 | 住宅取引データの分析（１） |
| 13 | 住宅取引データの分析（２） |
| 14 | まとめ |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
各自の授業の理解度に応じて，適宜，授業で説明したプログラムやテキストなどを復習することを薦める．
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 筆記試験 (Written Exam) | 60 | |
| 平常点 (In-class Points) | 40 |
レポート(40%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 必要に応じて授業で指示する． |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 大村 平 | 『多変量解析のはなし―複雑さから本質を探る』 | 日科技連出版社 | 2006 | 4817180277 |
| 2 | 大村 平 | 『統計のはなし― 基礎・応用・娯楽 』 | 日科技連出版社 | 2022 | 4817180293 |
| 3 | 佐村 敏治，堀 桂太郎 | 『例題でわかる Pythonプログラミング入門』 | 電気書院 | 2022 | 4485301184 |
| 4 | 三谷 純 | 『Python ゼロからはじめるプログラミング』 | 翔泳社 | 2021 | 9784798169460 |
| その他 (Others) | |||||
| ◇IPSJ MOOC（情報処理学会公開教材）：https://sites.google.com/a.ipsj.or.jp/mooc/ ◇数理・データサイエンス・AI教育強化拠点コンソーシアム リテラシーレベルモデルカリキュラム対応教材：http://www.mi.u-tokyo.ac.jp/consortium/e-learning.html 応用基礎レベルモデルカリキュラム対応教材：http://www.mi.u-tokyo.ac.jp/consortium/e-learning_ouyoukiso.html 東京大学 数理・情報教育センターの教材：http://www.mi.u-tokyo.ac.jp/6university_consortium.html | |||||
・高校数学(I・A・II・B)の基礎を前提として授業を行う．高校数学の内容は必要に応じて各自で予習・復習してください．
・授業では，ウェブブラウザ上で使用できるGoogle Colaboratoryを用いたPythonのプログラミングとデータサイエンスの基礎に加えて，現実の経済データを用いた実践的な分析も行う．
・ネットワークに接続できるノートパソコンを授業に持参してください．
・他学部の学生の受講も歓迎する．