日本語 English
| 開講年度/ Academic YearAcademic Year |
20242024 |
| 科目設置学部/ CollegeCollege |
スポーツウエルネス学部/College of Sport and WellnessCollege of Sport and Wellness |
| 科目コード等/ Course CodeCourse Code |
IN280/IN280IN280 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
データサイエンス |
| 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 |
新座/NiizaNiiza |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
月2/Mon.2 Mon.2 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 |
SWN2000 |
| 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 |
2023年度以降入学者対象 |
Recent innovation has made it possible to acquire a large amount of data in the field of sports and wellness. These data are widely applied to sports performance analysis aimed at improving athletic performance, and verification of exercise and nutritional guidance aimed at health promotion.
In this lecture, students will learn basic theories and analysis methods regarding how to handle and analyze data, not limited to the field of sport and wellness, in order to derive meaningful insights and trends from data.
This course will provide you knowledge regarding data science-based problem-solving skills. During this semester, you will learn (1) major data science problems, (2) and data science methods to solve such problems, (3) applied use cases in real business.
| 1 | ガイダンス，自己紹介、データ分析の目的 |
| 2 | 一般的なデータ分析プロセス |
| 3 | 分析ユースケース定義、データ分析事例（1） |
| 4 | 分析ユースケース定義、データ分析事例（2） |
| 5 | 特定業界におけるデータ活用の事例 |
| 6 | データ前処理技術の基礎 |
| 7 | 統計学の基礎 |
| 8 | 探索的データ分析（1） |
| 9 | 探索的データ分析（2） |
| 10 | 機械学習の基礎（1） |
| 11 | 機械学習の基礎（2）（回帰） |
| 12 | 機械学習の基礎（3）（分類） |
| 13 | AIを利用したアプリケーション開発 |
| 14 | ニューラルネットワークと大規模言語モデル |
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
準備学習の指示は，履修登録完了後にCanvas上で履修者に対して行う。各自が確認して予習すること。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
小テスト（Tests）（複数回）(60%) レポート（Reports）(30%) 授業内の発表（In-class presentation）(10%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
本講義では基本的なPCでのファイル操作（ファイルのコピーやペースト、ファイルの圧縮や解凍など）や基本的なGoogle Driveの操作方法（Google Drive上のフォルダ・ファイル操作、ファイルのコピー・共有など）、Microsoft Office（Word、Excel、PowerPoint）の操作方法は習得していることを前提とします。
課題提出にはPCでの作業が必須となります。個人のPCを持参することを強く推奨します。あるいはメディアセンターよりPCを借りるようにしてください。
近年の技術革新により、スポーツウエルネス分野でも大量のデータが取得できるようになってきた。これらのデータは、競技パフォーマンス向上を目指したスポーツパフォーマンス分析や、健康増進を目指した運動処方や栄養指導の検証に広く応用されている。
本講義では、スポーツに限らず、データから意味のある情報、法則、関連性などを導き出すための、データの扱い方や分析に関する基本的な理論や分析手法を学ぶ。
Recent innovation has made it possible to acquire a large amount of data in the field of sports and wellness. These data are widely applied to sports performance analysis aimed at improving athletic performance, and verification of exercise and nutritional guidance aimed at health promotion.
In this lecture, students will learn basic theories and analysis methods regarding how to handle and analyze data, not limited to the field of sport and wellness, in order to derive meaningful insights and trends from data.
本講義では、データサイエンスの分野における一般的な課題とそれらを解決するデータサイエンスの手法を学ぶとともに、実務での事例についても理解を深める。
This course will provide you knowledge regarding data science-based problem-solving skills. During this semester, you will learn (1) major data science problems, (2) and data science methods to solve such problems, (3) applied use cases in real business.
| 1 | ガイダンス，自己紹介、データ分析の目的 |
| 2 | 一般的なデータ分析プロセス |
| 3 | 分析ユースケース定義、データ分析事例（1） |
| 4 | 分析ユースケース定義、データ分析事例（2） |
| 5 | 特定業界におけるデータ活用の事例 |
| 6 | データ前処理技術の基礎 |
| 7 | 統計学の基礎 |
| 8 | 探索的データ分析（1） |
| 9 | 探索的データ分析（2） |
| 10 | 機械学習の基礎（1） |
| 11 | 機械学習の基礎（2）（回帰） |
| 12 | 機械学習の基礎（3）（分類） |
| 13 | AIを利用したアプリケーション開発 |
| 14 | ニューラルネットワークと大規模言語モデル |
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
準備学習の指示は，履修登録完了後にCanvas上で履修者に対して行う。各自が確認して予習すること。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
小テスト（Tests）（複数回）(60%) レポート（Reports）(30%) 授業内の発表（In-class presentation）(10%) |
| 備考 (Notes) | ||
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
| その他 (Others) | |||||
|---|---|---|---|---|---|
| 授業中に適宜紹介します。 |
本講義では基本的なPCでのファイル操作（ファイルのコピーやペースト、ファイルの圧縮や解凍など）や基本的なGoogle Driveの操作方法（Google Drive上のフォルダ・ファイル操作、ファイルのコピー・共有など）、Microsoft Office（Word、Excel、PowerPoint）の操作方法は習得していることを前提とします。
課題提出にはPCでの作業が必須となります。個人のPCを持参することを強く推奨します。あるいはメディアセンターよりPCを借りるようにしてください。