・教室のWiFi容量の都合により、物理学科・生物学科のグループ(10月7日開始)と、数学科・化学科・地球科学科のグループ(10月15日開始)に分け、対面授業（各自のノートPCを用いた実習あり）とメディア授業（オンデマンドで映像授業視聴）を隔週で７回の授業を実施します。
・対面授業では、最新のExcelが使用できるノートPCを持参してください。第３回以降は RとPythonも使用します。
[授業内容] 教科書により次の内容を学びます。詳細はMoodleにて説明します。
第１回[対面授業、Excel]：2.データ分析の基礎(1〜2)、3.コンピュータを用いたデータ分析(1〜2)
はじめに(数理・データサイエンスについて、データ駆動型社会、Society5.0）、
2-1.ヒストグラム、
2-2.箱ひげ図、
3-1.Excelを用いたヒストグラムの作成、
3-2.Excelを用いた箱ひげ図の作成、
Excelによる実習（ヒストグラムと箱ひげ図、気象庁からデータのダウンロード）
第２回[オンライン授業]：1.現代社会におけるデータサイエンス(1〜6)、 2.データ分析の基礎(3〜7)
1-1.データサイエンスの役割、
1-2.データサイエンスの役割（続）、
1-3.データの取得・管理(1)データの収集と保存、
1-4.データの取得・管理(2)データの管理、
1-5.データの入手方法、
1-6.データの分析、
2-3.平均・分散・標準偏差、
2-4.散布図（2つの量の関係の視覚化）、
2-5.相関係数（2つの量の関係の要約）
2-6.回帰直線（2つの量の関係の定式化）、
2-7.回帰直線（データの当てはまり）
第３回[対面授業、Excel, R, Python]：3.コンピュータを用いたデータ分析(3,4,7)
Excelの実習（平均、分散、標準偏差）、
3-3.Excelを用いた散布図と回帰直線、
Excelによる実習（散布図、回帰直線、相関係数）、
3-4.Rを使ってみる、Rのインストール、
3-7.Pythonのインストールと基本操作（インストールのみ）
第４回[オンライン授業]：2.データ分析の基礎(8〜10)、 1.現代社会におけるデータサイエンス(7〜12)
2-8.データ分析で注意すべき点（相関と因果の違い）、
2-9.データ分析で注意すべき点（観察研究と実験研究）、
2-10.データ分析で注意すべき点（標本誤差）、
1-7.データサイエンスと画像処理技術(1)デジタル画像の構成、
1-8.データサイエンスと画像処理技術(2)画像処理の応用、
1-9.データサイエンスと音声処理技術(1)音声データ処理、
1-10.データサイエンスと音声処理技術(2)音声認識入門、
1-11.データサイエンスと情報倫理(1)情報倫理の基礎知識、
1-12.データサイエンスと情報倫理(2)情報利用とAIの死角
第５回[対面授業、R, Python]：3.コンピュータを用いたデータ分析(5〜7)
3-7.Pythonのインストールと基本操作(基本操作のみ)、
Pythonの実習（基本操作：文字型、整数型、浮動小数点型、変数、代入、四則演算、論理演算、順次、分岐、反復、関数、引数、戻り値）、
3-5. Rによるデータ分析、
3-6. Rのさらなる活用、
Rによる実習（データ分析）、
第６回[オンライン授業]：4.データサイエンスの応用事例(1〜9)、 2.データ分析の基礎(11〜12)
4-1.保険（基本的な仕組み）、
4-2.保険（自動車保険）、
4-3.金融（銀行におけるデータ活用）、
4-4.マーケティングリサーチ 概要編、
4-5.マーケティングリサーチ 企画編、
4-6.マーケティングリサーチ 事例編、
4-7.染色体上で遺伝子を探す、
4-8.疾患関連遺伝子を探す、
4-9.品質管理、
2-11.主成分分析、
2-12.クラスター分析
第７回[対面授業、Python]：3.コンピュータを用いたデータ分析(8〜9)、II-1.機械学習の事例紹介(2,3,5)
II-1-2 機械学習とは（1）、
II-1-3 機械学習とは（2）、
II-1-5 機械学習の先進的な事例 画像、
AIの発展と社会での役割、
3-8.Pythonを使ったデータの整理と可視化、
3-9.Pythonを使ったデータの分析と、より高度な可視化、
Pythonによる実習（データ分析）
|
|
|