日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
全学共通科目・全学共通カリキュラム（総合系）/University-wide Liberal Arts Courses (Comprehensive Courses)University-wide Liberal Arts Courses (Comprehensive Courses) |
| 科目コード等/ Course CodeCourse Code |
FB156/FB156FB156 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
データサイエンス基礎 |
| 授業形態/ Class FormatClass Format |
オンデマンド（全回オンデマンド）/On-demand (all classes are on-demand)On-demand (all classes are on-demand) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
この授業はオンデマンド形式で開講される。 |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
他/OtherOther |
| 学期/ SemesterSemester |
秋学期他/Fall OthersFall Others |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
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 |
CMP2200 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選登録/Lottery RegistrationLottery Registration（定員：200人/ Capacity：200） |
| 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 |
Today, with the spread of information and communication technology, large amounts of data are being collected and accumulated, but this data will not become meaningful information unless it is utilized. Data science is an academic field that deals with such data. In this course, students will learn the fundamentals of statistics and mathematics, which form the basis of data science, as well as the applications of data science, and learn the concept of machine learning.
(1) Know the basic methods of data analysis and be able to practice them using computers, (2) Know the application examples of data science and be able to describe the role of data science for real-world problems, and (3) Know the basics of machine learning and be able to consider its possibilities and limitations.
Students will master the fundamentals of statistics and mathematics that form the basis of data science, examples of data science applications, and the concept of machine learning. Specifically, students will learn the current status of data application and the issues involved, as well as the fundamentals of statistics and mathematics required for data science, and will experience simple analysis practice. In addition, students will be exposed to state-of-the-art methods and artificial intelligence with a focus on generative AI.
| 1 | 現代社会におけるデータサイエンス：導入 |
| 2 | データ分析の基礎(1)：データの整理と記述統計 |
| 3 | データ分析の基礎(2)：推測統計の考え方とその数理 |
| 4 | コンピュータを用いたデータ分析実習(1)：Excelを使ったデータ分析実習 |
| 5 | コンピュータを用いたデータ分析実習(2)：Rを使ったデータ分析実習 |
| 6 | データ分析の基礎(3)：データを活用した予測モデルとその活用 |
| 7 | コンピュータを用いたデータ分析実習(3)：予測モデルの活用１ |
| 8 | コンピュータを用いたデータ分析実習(4)：予測モデルの活用２ |
| 9 | デジタルトランスフォーメーション(DX)の社会的意味と課題 |
| 10 | データサイエンスの応用事例 |
| 11 | 機械学習の基礎と事例紹介 |
| 12 | 人工知能開発の歴史と現在 |
| 13 | 生成AIの利用とその課題 |
| 14 | まとめと振り返り |
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
講義動画の視聴に加え、分析実習を行う。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内課題（13回 各5%)(65%) 最終課題(35%) |
| 備考 (Notes) | ||
なし/None
統計学の基礎を学んだ上で履修することが望ましい。
ExcelやRが使えるパソコン。
2016年度以降入学者：多彩な学び
2015年度以前入学者：主題別A
今日では情報通信技術の普及により大量のデータが収集・蓄積されているが、それらは活用されなければ意味をもつ情報とならない。このようなデータを対象とする学問分野がデータサイエンスである。本授業では、データサイエンスの基盤となる統計および数理の基礎と、データサイエンスの応用事例を修得し、さらに機械学習の概念を学んで、データサイエンスの果たす役割を概観できることを目的とし、次の3点ができるようになることを目指す。
(1) データの基本的な分析方法を知り、コンピュータを用いて実践することができ、(2) データサイエンスの応用事例を知り、現実の課題に対するデータサイエンスの役割を述べることができ、さらに(3) 機械学習の基礎を知り、その可能性と限界について考えることができる。
Today, with the spread of information and communication technology, large amounts of data are being collected and accumulated, but this data will not become meaningful information unless it is utilized. Data science is an academic field that deals with such data. In this course, students will learn the fundamentals of statistics and mathematics, which form the basis of data science, as well as the applications of data science, and learn the concept of machine learning.
(1) Know the basic methods of data analysis and be able to practice them using computers, (2) Know the application examples of data science and be able to describe the role of data science for real-world problems, and (3) Know the basics of machine learning and be able to consider its possibilities and limitations.
データサイエンスの基盤となる統計学および数理の基礎、データサイエンスの応用事例、機械学習の概念を修得する。具体的には、データ活用の現状とそこでの課題を学ぶとともに、必要とされる統計学や数理の基礎を学び、簡単な分析実習も体験する。さらに、最先端の手法や生成AIを中心としたについて人工知能についても触れる。
Students will master the fundamentals of statistics and mathematics that form the basis of data science, examples of data science applications, and the concept of machine learning. Specifically, students will learn the current status of data application and the issues involved, as well as the fundamentals of statistics and mathematics required for data science, and will experience simple analysis practice. In addition, students will be exposed to state-of-the-art methods and artificial intelligence with a focus on generative AI.
| 1 | 現代社会におけるデータサイエンス：導入 |
| 2 | データ分析の基礎(1)：データの整理と記述統計 |
| 3 | データ分析の基礎(2)：推測統計の考え方とその数理 |
| 4 | コンピュータを用いたデータ分析実習(1)：Excelを使ったデータ分析実習 |
| 5 | コンピュータを用いたデータ分析実習(2)：Rを使ったデータ分析実習 |
| 6 | データ分析の基礎(3)：データを活用した予測モデルとその活用 |
| 7 | コンピュータを用いたデータ分析実習(3)：予測モデルの活用１ |
| 8 | コンピュータを用いたデータ分析実習(4)：予測モデルの活用２ |
| 9 | デジタルトランスフォーメーション(DX)の社会的意味と課題 |
| 10 | データサイエンスの応用事例 |
| 11 | 機械学習の基礎と事例紹介 |
| 12 | 人工知能開発の歴史と現在 |
| 13 | 生成AIの利用とその課題 |
| 14 | まとめと振り返り |
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
講義動画の視聴に加え、分析実習を行う。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内課題（13回 各5%)(65%) 最終課題(35%) |
| 備考 (Notes) | ||
なし/None
統計学の基礎を学んだ上で履修することが望ましい。
ExcelやRが使えるパソコン。
2016年度以降入学者：多彩な学び
2015年度以前入学者：主題別A