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	数学の世界－データサイエンス発展II－
時間割コード／Course Code	1221100175
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	水／Wed　5
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
授業形式／Class Format
メディア授業／Media lecture	－

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	○数学ならびにその近接領域についての学識を得ること ○上記学問の知識や技能に基づいて，日常の事象を理解できるようになること
授業の概要／Summary of the class	Pythonプログラミングの経験をある程度有する者を対象とし、具体的な課題に基づいたeラーニング教材を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。
授業の内容予定／Contents plan of the class	1. データサイエンスと人工知能 2. アルゴリズムの基礎 3. 人工知能の学習 4. 課題解決演習1: スポーツのチケット価格の最適化数値予測問題の復習を行う。 5. 課題解決演習2: 債務不履行リスクの低減分類問題: ロジスティック回帰 6. 課題解決演習3: ECサイトにおける購買率の最適化分類問題: 行動予測アルゴリズムの開発 7. ディープラーニングと画像データの分析ニューラルネットワークの仕組みと使い方を学ぶ。 8. 課題解決演習4: 物体検出ディープラーニングを応用して物体検出に挑戦 9. 課題解決演習5 ディープラーニングを応用して課題解決に取り組む。次の(1)(2)のうち興味のある課題を選択する。 (1)「鋳造製品の欠陥検出」 (2)「衛星画像の分類」 10. 自然言語処理入門: テキストデータの分析 11. 自然言語処理入門: 深層学習の応用 12. 課題解決に挑戦1: 課題設定と分析手法の決定 13. 課題解決に挑戦2: 分析レポートの作成(1) 14. 課題解決に挑戦3: 分析レポートの作成(2) 15. 課題解決に挑戦4: 最終発表
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	eラーニング教材を利用した演習(70%)ならびに最終発表(30%)によって評価する。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: 予習については授業内で指示する。復習: eラーニング教材や授業動画を使って復習を行うこと。
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	下山輝昌、松田雄馬、三木孝行(著)、「Python実践データ分析100本ノック」、秀和システム (2019)。
留意点・予備知識／Point to keep in mind, back ground	「データサイエンス基礎」と「データサイエンス発展I」を既に履修していることが好ましいが、履修していない学生にも配慮する。なお、全ての回でオンラインでの受講が可能である。
授業内容に関する質問・疑義等／Question, doubt about class contents	Teamsのチャット機能を用いて質問すること。
Eメールアドレス・HPアドレス／E-mail address, HP address	wkure[at]hirosaki-u.ac.jp
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	eラーニング教材を利用した演習を中心とし、適宜解説を行う。
科目ナンバー／The subject number
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	数学の世界－データサイエンス発展II－
時間割コード／Course Code	1221100175
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	水／Wed　5
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
授業形式／Class Format
メディア授業／Media lecture	－

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	○数学ならびにその近接領域についての学識を得ること ○上記学問の知識や技能に基づいて，日常の事象を理解できるようになること
授業の概要／Summary of the class	Pythonプログラミングの経験をある程度有する者を対象とし、具体的な課題に基づいたeラーニング教材を用いて、データサイエンスならびに人工知能による実践的な課題解決の方法を学ぶ。
授業の内容予定／Contents plan of the class	1. データサイエンスと人工知能 2. アルゴリズムの基礎 3. 人工知能の学習 4. 課題解決演習1: スポーツのチケット価格の最適化数値予測問題の復習を行う。 5. 課題解決演習2: 債務不履行リスクの低減分類問題: ロジスティック回帰 6. 課題解決演習3: ECサイトにおける購買率の最適化分類問題: 行動予測アルゴリズムの開発 7. ディープラーニングと画像データの分析ニューラルネットワークの仕組みと使い方を学ぶ。 8. 課題解決演習4: 物体検出ディープラーニングを応用して物体検出に挑戦 9. 課題解決演習5 ディープラーニングを応用して課題解決に取り組む。次の(1)(2)のうち興味のある課題を選択する。 (1)「鋳造製品の欠陥検出」 (2)「衛星画像の分類」 10. 自然言語処理入門: テキストデータの分析 11. 自然言語処理入門: 深層学習の応用 12. 課題解決に挑戦1: 課題設定と分析手法の決定 13. 課題解決に挑戦2: 分析レポートの作成(1) 14. 課題解決に挑戦3: 分析レポートの作成(2) 15. 課題解決に挑戦4: 最終発表
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	eラーニング教材を利用した演習(70%)ならびに最終発表(30%)によって評価する。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: 予習については授業内で指示する。復習: eラーニング教材や授業動画を使って復習を行うこと。
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	下山輝昌、松田雄馬、三木孝行(著)、「Python実践データ分析100本ノック」、秀和システム (2019)。
留意点・予備知識／Point to keep in mind, back ground	「データサイエンス基礎」と「データサイエンス発展I」を既に履修していることが好ましいが、履修していない学生にも配慮する。なお、全ての回でオンラインでの受講が可能である。
授業内容に関する質問・疑義等／Question, doubt about class contents	Teamsのチャット機能を用いて質問すること。
Eメールアドレス・HPアドレス／E-mail address, HP address	wkure[at]hirosaki-u.ac.jp
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	eラーニング教材を利用した演習を中心とし、適宜解説を行う。
科目ナンバー／The subject number
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