岡山大学学務情報システム - 2024912915-数理・データサイエンスの基礎

2024 年度第３学期教養教育昼間				日英区分: 日本語
		数理・データサイエンスの基礎 Basic Mathematical and Data Sciences

講義番号	科目区分	学期
912915	教養教育科目	第３学期

ナンバリングコード	教室
VMEM0MEMZ0001N	一般教育棟Ａ２１教室, 一般教育棟Ｂ１１教室

必修･選択の別	メディア授業科目
必修	－

単位数	曜日・時限
1	月1〜2

担当教員（ローマ字表記）

賴藤　貴志　[YORIFUJI Takashi], 鈴木　越治　[SUZUKI Etsuji], 松本　尚美　[MATSUMOTO Naomi], 三橋　利晴　[MITSUHASHI Toshiharu], 飯塚　誠也　[IIZUKA Masaya]

持続可能な開発目標（SDGs）

対象学生

医（医）

他学部学生の履修の可否

対象学生の項目を参照

連絡先

1回〜6回:飯塚　誠也, iizuka@okayama-u.ac.jp
7回：ocdc@okayama-u.ac.jp（疫学・衛生学分野　秘書）

オフィスアワー

飯塚誠也：いくつかの方法(Email，moodle, Teams)で対応しますので，moodleを参照してください。
疫学・衛生学分野：原則としてEmailで予約してください。

学部･研究科独自の項目

関連しない

使用言語

日本語

授業の概要

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する。
第7回と第1～6回の講義場所は異なるため注意すること。

学習目的

データサイエンスの基盤となる統計および数理の基礎、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。

到達目標

(1) 現実の課題に対するデータサイエンスの役割を理解する。
(2) データの基本的な分析方法を理解し、コンピュータを用いて実践することができる。
(3) 機械学習の基礎を理解する。
(4) 自分の専門分野におけるデータサイエンスの活用事例を述べることができる。

授業計画

1. 現代社会におけるデータサイエンス (1)（『A21』講義室）
2. データ分析の基礎 (1)（『A21』講義室）
3. コンピュータを用いたデータ分析（『A21』講義室）
4. データ分析の基礎 (2), 現代社会におけるデータサイエンス (2)（『A21』講義室）
5. データサイエンスと情報倫理, データサイエンスの応用事例（『A21』講義室）
6. 機械学習の基礎と応用事例（『A21』講義室）
7. 医学におけるデータ活用の事例（疫学・衛生学分野担当）（『B11』講義室）

授業時間外の学習(予習･復習)方法(成績評価への反映についても含む)

授業において別途指示する

授業形態

(1)授業形態-全授業時間に対する[講義形式]:[講義形式以外]の実施割合

80% ： 20%

(2)授業全体中のアクティブ･ラーニング

協働的活動(ペア･グループワーク､ディスカッション､プレゼンテーションなど)

なし

対話的活動(教員からの問いかけ､質疑応答など)

少ない

思考活動(クリティカル･シンキングの実行､問いを立てるなど)

少ない

理解の確認･促進(問題演習､小テスト､小レポート､授業の振り返りなど)

やや多い

(3)授業形態-実践型科目タイプ

該当しない

(4)授業形態-履修者への連絡事項

なし

使用メディア･機器･人的支援の活用

視聴覚メディア(PowerPointのスライド､CD､DVDなど)

多い

学習管理システム(Moodleなど)

やや多い

人的支援(ゲストスピーカー､TA､ボランティアなど)

やや多い

履修者への連絡事項

なし

教科書

備考

なし

参考書

備考

"大学生のためのデータサイエンス(I), (II) オフィシャルスタディノート"
滋賀大学データサイエンス学部編
日本統計協会

成績評価基準（授業評価方法）

Moodleでの小テスト、Moodle以外の確認テスト、および演習課題提出により評価する。

受講要件

なし

教職課程該当科目

この項目は当該科目に該当しない

JABEEとの関連