シラバス参照

基本情報／Basic Information
詳細情報／Detailed Information
授業計画詳細情報／Class Schedule Details

基本情報/Basic Information

開講科目名／Course	情報処理入門A－データサイエンス基礎①－／Introduction to Information Processing A－Data Science for Beginners－
時間割コード／Course Code	1211100114
ナンバリングコード／Numbering Code
開講所属／Course Offered by	教養教育科目／
曜日コマ／Day, Period	火／Tue　3
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1,2,3,4
主担当教員／Main Instructor	紅林亘／KUREBAYASHI WATARU
科目区分／Course Group	教養教育科目　自然・科学
教室／Classroom
必修・選択／Required/Elective	選択必修
遠隔授業／Remote lecture	No

担当教員情報/Instructor Information

教員名／Instructor	教員所属名／Faculty/Department
紅林亘／KUREBAYASHI WATARU	教育戦略室／

難易度（レベル）／Level	レベル2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力
授業としての具体的到達目標／Concrete arrival target as the class	○自身の専門領域を修めるために必要となる情報技術について，学識を得ること ○情報技術の知識や技能に基づいて，情報技術の活用や情報社会を理解できるようになること
授業の概要／Summary of the class	○データの可視化や初歩的なデータ分析の方法を理解し、これをエクセルによって実践するスキルを修得する (日本統計学会認定、統計検定「データサイエンス基礎」合格相当の水準)。 ○データやAIの活用によって、社会がどのように変化しつつあるかを理解する。 ○データやAIの活用に関する倫理的な問題や、負の側面について理解する。
授業の内容予定／Contents plan of the class	1. データで社会が変わる: 社会で起きている変化、データ・AI利活用の最新動向 2. 社会の中のデータ: 社会で活用されているデータ、データ・AIの活用領域 3. データ活用の技術と現場: データ・AI利活用のための技術、データ・AI利活用の現場 4. データマネジメント: データの種類、データの変換、母集団と標本抽出など 5. データの集計と可視化: データの集計や並び替え、データ表現、可視化事例など 6. 質的データの分析: パレート図、クロス集計表など 7. 量的データの分析(1): 基本統計量、箱ひげ図、ヒストグラムなど 8. 量的データの分析(2): 散布図、相関係数、相関と因果、擬似相関など 9. 統計学の基礎: 確率・統計学の基礎、確率的シミュレーション 10. 統計的な推測: 推測統計の考え方、区間推定 11. 仮説検定の考え方: 帰無仮説、有意水準、p値、二項検定 12. 仮説検定の実践: Z検定、t検定、χ2検定、A/Bテスト 13. 回帰分析: 回帰分析の手法と使い方、Pythonによる機械学習の体験 14. 時系列とテキスト: 時系列分析とテキスト分析の初歩的内容 15. 倫理とセキュリティ: 個人情報保護、AIサービスの責任論、情報セキュリティなど
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	授業各回の後半に行う演習の評価(40%)と期末試験(60%)を合算して成績評価を行う。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: エクセルの操作方法などについてあらかじめ動画を用意する。この動画を授業前に視聴し、予習すること。復習: 授業各回の後半に行う演習で、演習問題を扱う。この問題を利用して復習を行うこと。
教材・教科書／The teaching materials, textbook	教科書を使用しない(講義資料を配布する)。
参考文献／bibliography	「ビジネスデータの分析リテラシーと活用－Excelによる実用データサイエンス入門－」（寺島和夫・編著、同文舘出版、2020年）
留意点・予備知識／Point to keep in mind, back ground	本講義では、PC上でエクセルなどの操作を行う。PCの一般的な操作方法(ファイルやフォルダの操作、インターネットの利用など)を修得していることを前提とする。また、本講義は数学的な内容を一部含むが、数学に苦手意識を持つ学生に配慮し、厳密な理解は求めず、直感的なイメージを理解してもらうように説明する。
授業内容に関する質問・疑義等／Question, doubt about class contents	質問を歓迎します。Teamsやメールなどで遠慮なく質問して下さい。また、直接話したい場合は、毎週水曜14:30-15:30に総合教育棟2階B203室でお待ちしています。
Eメールアドレス・HPアドレス／E-mail address, HP address	Eメールアドレス：　wkure ［at］ hirosaki-u.ac. jp [at]を@に置き換えてください。
学問分野1（主学問分野）／Discipline 1	J60:情報科学、情報工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	授業各回の前半は通常通りの講義とし、後半はエクセル操作などを行う演習とする。
科目ナンバー／The subject number	LA-2-5703-J60
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	有／Yes
その他／Others	特になし

No.	回（日時）／Time (date and time)	主題と位置付け（担当）／Subjects and instructor's position	学習方法と内容／Methods and contents	備考／Notes
該当するデータはありません

開講科目名／Course	情報処理入門A－データサイエンス基礎①－／Introduction to Information Processing A－Data Science for Beginners－
時間割コード／Course Code	1211100114
ナンバリングコード／Numbering Code
開講所属／Course Offered by	教養教育科目／
曜日コマ／Day, Period	火／Tue　3
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1,2,3,4
主担当教員／Main Instructor	紅林亘／KUREBAYASHI WATARU
科目区分／Course Group	教養教育科目　自然・科学
教室／Classroom
必修・選択／Required/Elective	選択必修
遠隔授業／Remote lecture	No

難易度（レベル）／Level	レベル2
対応するＣＰ／ＤＰ／CP/DP	CP・DP　１　見通す力
授業としての具体的到達目標／Concrete arrival target as the class	○自身の専門領域を修めるために必要となる情報技術について，学識を得ること ○情報技術の知識や技能に基づいて，情報技術の活用や情報社会を理解できるようになること
授業の概要／Summary of the class	○データの可視化や初歩的なデータ分析の方法を理解し、これをエクセルによって実践するスキルを修得する (日本統計学会認定、統計検定「データサイエンス基礎」合格相当の水準)。 ○データやAIの活用によって、社会がどのように変化しつつあるかを理解する。 ○データやAIの活用に関する倫理的な問題や、負の側面について理解する。
授業の内容予定／Contents plan of the class	1. データで社会が変わる: 社会で起きている変化、データ・AI利活用の最新動向 2. 社会の中のデータ: 社会で活用されているデータ、データ・AIの活用領域 3. データ活用の技術と現場: データ・AI利活用のための技術、データ・AI利活用の現場 4. データマネジメント: データの種類、データの変換、母集団と標本抽出など 5. データの集計と可視化: データの集計や並び替え、データ表現、可視化事例など 6. 質的データの分析: パレート図、クロス集計表など 7. 量的データの分析(1): 基本統計量、箱ひげ図、ヒストグラムなど 8. 量的データの分析(2): 散布図、相関係数、相関と因果、擬似相関など 9. 統計学の基礎: 確率・統計学の基礎、確率的シミュレーション 10. 統計的な推測: 推測統計の考え方、区間推定 11. 仮説検定の考え方: 帰無仮説、有意水準、p値、二項検定 12. 仮説検定の実践: Z検定、t検定、χ2検定、A/Bテスト 13. 回帰分析: 回帰分析の手法と使い方、Pythonによる機械学習の体験 14. 時系列とテキスト: 時系列分析とテキスト分析の初歩的内容 15. 倫理とセキュリティ: 個人情報保護、AIサービスの責任論、情報セキュリティなど
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	授業各回の後半に行う演習の評価(40%)と期末試験(60%)を合算して成績評価を行う。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: エクセルの操作方法などについてあらかじめ動画を用意する。この動画を授業前に視聴し、予習すること。復習: 授業各回の後半に行う演習で、演習問題を扱う。この問題を利用して復習を行うこと。
教材・教科書／The teaching materials, textbook	教科書を使用しない(講義資料を配布する)。
参考文献／bibliography	「ビジネスデータの分析リテラシーと活用－Excelによる実用データサイエンス入門－」（寺島和夫・編著、同文舘出版、2020年）
留意点・予備知識／Point to keep in mind, back ground	本講義では、PC上でエクセルなどの操作を行う。PCの一般的な操作方法(ファイルやフォルダの操作、インターネットの利用など)を修得していることを前提とする。また、本講義は数学的な内容を一部含むが、数学に苦手意識を持つ学生に配慮し、厳密な理解は求めず、直感的なイメージを理解してもらうように説明する。
授業内容に関する質問・疑義等／Question, doubt about class contents	質問を歓迎します。Teamsやメールなどで遠慮なく質問して下さい。また、直接話したい場合は、毎週水曜14:30-15:30に総合教育棟2階B203室でお待ちしています。
Eメールアドレス・HPアドレス／E-mail address, HP address	Eメールアドレス：　wkure ［at］ hirosaki-u.ac. jp [at]を@に置き換えてください。
学問分野1（主学問分野）／Discipline 1	J60:情報科学、情報工学およびその関連分野
学問分野2（副学問分野）／Discipline 2	該当なし
学問分野3（副学問分野）／Discipline 3	該当なし
実務経験のある教員による授業科目について／About the class subject by the teacher with the work experience	なし
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	授業各回の前半は通常通りの講義とし、後半はエクセル操作などを行う演習とする。
科目ナンバー／The subject number	LA-2-5703-J60
メディア授業による著作物利用の有無について／Whether or not copyrighted works are used in media classes	有／Yes
その他／Others	特になし

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information