教材について
○「データサイエンス基礎」授業教材リスト
| 授業回 | 内容 |
|---|---|
| 第1回 ガイダンス |
PART1 この授業について PART2 パソコン操作の基本知識 PART3 多要素認証 PART4 弘大メールの使い方 PART5 Campus Squareの使い方 PART6 Moodleとオンデマンドコンテンツの使い方 PART7 Excelの使い方 初回アンケート |
| 第2回 はじめに |
PART1 データサイエンスとは何か? PART2 人工知能（AI）とは何か PART3 データとAIによる社会の変化 PART4 多様な領域におけるデータ・AI活用事例 |
| 第3回 データ利活用プロジェクトの進め方 |
PART1 データ分析の技術 PART2 問題解決のプロセス PART3 データサイエンスで問題を解決した実例 PART4 弘前大学における取り組み PART5 データの入手 |
| 第4回 データ利活用と人工知能の倫理 |
PART1 データの取り扱いの健全性 PART2 データの不適切な取り扱いによる研究不正 PART3 倫理的、法的、社会的な問題（ELSI） PART4 個人情報の保護 PART5 個人情報の取り扱い PART6 データ流出を防ぐ |
| 第5回 最小二乗法の直感的理解 |
PART1 データの取り扱いの健全性 PART2 データの不適切な取り扱いによる研究不正 PART3 倫理的、法的、社会的な問題（ELSI） PART4 個人情報の保護 PART5 個人情報の取り扱い PART6 データ流出を防ぐ |
| 第6回 Excel操作の基本と生成AIの利用 |
中間テスト PART1 後半の目標 PART2 データの種類と尺度 PART3 構造化データ PART4 Excelの復習 |
| 第7回 データマネジメント |
PART1 層別、水準化、変数変換 PART2 可視化について PART3 グラフを作る PART4 優れたグラフを作る |
| 第8回 質的データの分析 |
PART1 質的データの分析 PART2 ピボットテーブル PART3 分析事例 |
| 第9回 量的データの分析（1） |
PART1 基本統計量 PART2 箱ひげ図 PART3 ヒストグラム |
| 第10回 量的データの分析（2） |
PART1 相関関係を調べる PART2 散布図⾏列、相関係数⾏列、擬似相関 |
| 第11回 量的データの分析（3） |
PART1 因果の定義 PART2 相関と因果の混同 PART3 因果関係を調べる方法 |
| 第12回 統計学の基礎（1） |
PART1 確率変数と統計モデル PART2 標本調査と⺟平均・⺟分散の推定 PART3 まとめ |
| 第13回 統計学の基礎（2） |
PART1 統計モデルと標本抽出 PART2 回帰モデル PART3 エクセルで回帰分析を行う 補足1 補正決定係数・有意F・t値・p値 補足2 最小二乗法と変動和の分解 |
| 第14回 統計学の基礎（3） |
PART1 単回帰モデル PART2 重回帰モデル PART3 なぜ重回帰分析（モデル）が必要 PART4 重回帰分析に説明変数の標準化の必要性について PART5 ダミー変数 |
| 第15回 総復習 |
PART1 PPDACサイクル PART2 目的変数に関係する変数を探す PART3 統計モデルを作成する PART4 まとめ |
お問い合わせ
| jm3104hirosaki-u.ac.jp | |
| TEL | 0172-39-3104 |
| FAX | 0172-34-6974 |