日本語 English
| 開講年度/ Academic YearAcademic Year |
20232023 |
| 科目設置学部/ CollegeCollege |
スポーツウエルネス学研究科/Graduate School of Sport and WellnessGraduate School of Sport and Wellness |
| 科目コード等/ Course CodeCourse Code |
MN228/MN228MN228 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
データサイエンス、スポーツデータ分析 |
| 授業形態/ Class FormatClass Format |
オンライン（一部対面）/Online (partially face-to-face)Online (partially 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 |
|
| 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5･N325/Mon.5･N325 Mon.5･N325 |
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
SWG5110 |
| 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/ Grade (Year) RequiredGrade (Year) Required |
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 |
|
| 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 |
|
| 備考/ NotesNotes |
|
| テキスト用コード/ Text CodeText Code |
MN228 |
This course covers major problems in data science as well as applied use cases in sports science. Students will learn the basic problem-solving methods using data science approach. Students will also cultivate problem solving skills by applying the methods to their topic of interest in sports science.
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 sports science. In addition, you will choose one topic in sports science that can apply data science approach, present your ideas to the entire class, and discuss your ideas with classmates.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
データサイエンスが解決する主な課題やスポーツにおける応用事例を各種文献から学び、データサイエンスの課題解決の方法論に関する理解を深める。また、データサイエンス的課題解決力の向上を図る。
This course covers major problems in data science as well as applied use cases in sports science. Students will learn the basic problem-solving methods using data science approach. Students will also cultivate problem solving skills by applying the methods to their topic of interest in sports science.
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各種文献から学ぶとともに、スポーツにおける応用事例についても理解を深める。また、受講者が自ら選択したスポーツ分野のテーマについて、データサイエンスの手法を活用した課題解決アプローチを考案し、その内容を発表、議論する。
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 sports science. In addition, you will choose one topic in sports science that can apply data science approach, present your ideas to the entire class, and discuss your ideas with classmates.
| 1 | ガイダンス、自己紹介 |
| 2 | データサイエンスの一般的課題、応用事例 |
| 3 | データサイエンスの課題解決法 |
| 4 | データサイエンスの基礎的：統計学 |
| 5 | データサイエンスの基礎的：探索的データ分析 |
| 6 | データサイエンスの基礎的：情報科学 |
| 7 | データサイエンスの基礎的：機械学習 |
| 8 | データサイエンスの基礎的な理論：ディープラーニング |
| 9 | スポーツ分野におけるデータサイエンスの応用事例 |
| 10 | スポーツ分野におけるデータサイエンス的課題解決法とデータ収集法 |
| 11 | 選択テーマの調査結果発表（1） |
| 12 | 選択テーマの調査結果発表（2） |
| 13 | データサイエンスの課題解決方法についてディスカッション |
| 14 | データサイエンスの最新動向 |
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 |
授業における発表(40%) 授業内レポート(30%) 授業における討論(30%) |
| 備考 (Notes) | ||
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | 竹村彰通他著 | データサイエンス大系 データサイエンス入門 第2版 竹村彰通他著、学術図書出版社 2021 | 学術図書出版社 | 2021 | 4780607302 |
| No | 著者名 (Author/Editor) | 書籍名 (Title) | 出版社 (Publisher) | 出版年 (Date) | ISBN/ISSN |
|---|---|---|---|---|---|
| 1 | Sebastian Raschka他 | [第3版]Python機械学習プログラミング 達人データサイエンティストによる理論と実践 | インプレス | 2018 | 4295010073 |