日本語 English
| 開講年度/ Academic YearAcademic Year |
20262026 |
| 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 |
IN676/IN676IN676 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
スポーツデータサイエンス、データ分析 |
| 授業形態/ Class FormatClass Format |
対面（一部オンライン）/Face-to-face (partially online)Face-to-face (partially online) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
以下の回はオンライン実施するが、状況の変化によっては予定を変更する可能性がある。 5、7、13回 |
| 授業形式/ Class StyleCampus |
その他/OtherOther |
| 校地/ CampusCampus |
新座/NiizaNiiza |
| 学期/ SemesterSemester |
春学期/Spring SemesterSpring Semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
水1/Wed.1 Wed.1 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 |
SWN3020 |
| 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：30人/ Capacity：30） |
| 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。 https://www.rikkyo.ac.jp/about/disclosure/educational_policy/sw.html |
| 備考/ NotesNotes |
2023年度以降入学者対象 人数制限30 名 |
In recent years, technologies that enable the collection of diverse and detailed data in the fields of sports and health have advanced, making it possible to obtain large volumes of data. As a result, there has been a growing demand for data analysis aimed at improving sports performance and wellness. This course focuses on data analysis methods in the field of sports and wellness, and aims to develop practical data analysis skills through multiple hands-on exercises. In particular, the course seeks to enable students to perform data analysis using the Python programming language, as well as to build and interpret machine learning models.
This course primarily focuses on learning the theoretical foundations of data analysis methods using data related to sports and wellness. At the same time, students will gain practical experience in data analysis using programming languages and data visualization tools. In addition, the course covers the fundamental techniques of data processing and provides hands-on practice in applying these techniques.
| 1 | ガイダンス |
| 2 | データの特徴を掴む：Pythonによる探索的分析 |
| 3 | アンケートデータの分析（1） |
| 4 | アンケートデータの分析（2） |
| 5 | 複数のグループを比較する：統計的検定（1） |
| 6 | 複数のグループを比較する：統計的検定（2） |
| 7 | データの前処理（1）：前処理の基礎、Pythonによるデータ加工 |
| 8 | データの前処理（2）：データベース、SQL |
| 9 | データの前処理（3）： SQL実践 |
| 10 | 要因を特定する（1）：機械学習（回帰） |
| 11 | 要因を特定する（2）：機械学習（分類） |
| 12 | 要因を特定する（3）：機械学習（分類） |
| 13 | 最終課題（機械学習）プレゼンテーション（1） |
| 14 | 最終課題（機械学習）プレゼンテーション（2） |
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 |
演習課題(10%) 複数回のレポート(25%) 複数回の小テスト(20%) 授業内の発表(15%) 出席及び授業態度(30%) |
| 備考 (Notes) | ||
| 代返やレポートでの剽窃・盗用等の不正行為があった場合、その回数にかかわらず成績評価を行なわない（単位を修得することができない）。 | ||
| 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。 |
本講義はデータサイエンス概論（IN280）の内容およびスポーツデータ収集演習（IN450）の内容を理解していることを前提としますので、データサイエンスやデータ分析の基礎知識を有している前提で講義を展開します。
また、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、スポーツや健康分野において多様で詳細なデータが収集可能なテクノロジーが発展し、大量のデータが取得できる世の中になった。そのため、スポーツパフォーマンスやウエルネスの向上を目指したデータ分析のニーズが高まっている。本講義では、スポーツウエルネス分野におけるデータの解析手法について学び、複数の演習課題を通じてその解析を実施することで、実践的なデータ解析手法の習得を目指す。特に、プログラミング言語Pythonを利用したデータ分析や機械学習モデル作成とその解釈ができるようになることを目指す。
In recent years, technologies that enable the collection of diverse and detailed data in the fields of sports and health have advanced, making it possible to obtain large volumes of data. As a result, there has been a growing demand for data analysis aimed at improving sports performance and wellness. This course focuses on data analysis methods in the field of sports and wellness, and aims to develop practical data analysis skills through multiple hands-on exercises. In particular, the course seeks to enable students to perform data analysis using the Python programming language, as well as to build and interpret machine learning models.
本講義では、スポーツウエルネスに関係するデータを利用して、その解析手法の理論を学ぶことを主眼に置く。同時に、プログラミング言語やデータ可視化ツールを利用したデータ解析を実践的に学ぶ。また、データを加工する技術の基本についても学び、その加工技術の実践も行う。
This course primarily focuses on learning the theoretical foundations of data analysis methods using data related to sports and wellness. At the same time, students will gain practical experience in data analysis using programming languages and data visualization tools. In addition, the course covers the fundamental techniques of data processing and provides hands-on practice in applying these techniques.
| 1 | ガイダンス |
| 2 | データの特徴を掴む：Pythonによる探索的分析 |
| 3 | アンケートデータの分析（1） |
| 4 | アンケートデータの分析（2） |
| 5 | 複数のグループを比較する：統計的検定（1） |
| 6 | 複数のグループを比較する：統計的検定（2） |
| 7 | データの前処理（1）：前処理の基礎、Pythonによるデータ加工 |
| 8 | データの前処理（2）：データベース、SQL |
| 9 | データの前処理（3）： SQL実践 |
| 10 | 要因を特定する（1）：機械学習（回帰） |
| 11 | 要因を特定する（2）：機械学習（分類） |
| 12 | 要因を特定する（3）：機械学習（分類） |
| 13 | 最終課題（機械学習）プレゼンテーション（1） |
| 14 | 最終課題（機械学習）プレゼンテーション（2） |
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 |
演習課題(10%) 複数回のレポート(25%) 複数回の小テスト(20%) 授業内の発表(15%) 出席及び授業態度(30%) |
| 備考 (Notes) | ||
| 代返やレポートでの剽窃・盗用等の不正行為があった場合、その回数にかかわらず成績評価を行なわない（単位を修得することができない）。 | ||
| 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。 |
本講義はデータサイエンス概論（IN280）の内容およびスポーツデータ収集演習（IN450）の内容を理解していることを前提としますので、データサイエンスやデータ分析の基礎知識を有している前提で講義を展開します。
また、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。