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	データサイエンス基礎【M保検査】
時間割コード／Course Code	1221100217
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	木／Thu　2
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1
主担当教員／Main Instructor	野坂大喜／NOZAKA HIROYUKI
科目区分／Course Group	教養教育科目　データサイエンス科目
教室／Classroom
必修・選択／Required/Elective	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
野坂大喜／NOZAKA HIROYUKI	保健学研究科／

難易度（レベル）／Level	レベル1
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	○AI・データサイエンスが社会でどのように活用され新たな価値を生み出しているのかを理解すること ○パソコンを用いてデータを可視化し，説明できること ○データ・AIを扱う上での留意事項を理解すること
授業の概要／Summary of the class	○データの可視化やデータ分析の方法を理解し、Excelによって実践するスキルを修得する。 ○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. 計算機の利用方法: PCとExcelの初歩的な使い方 2. 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 3. 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 4. 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 5. 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 6. 中間試験、データマネジメント(1): データの種類、データの変換、母集団と標本抽出など 7. データマネジメント(2): データの可視化、時系列データなど 8. 質的データの分析(1): 度数分布表、クロス集計表 9. 質的データの分析(2): 行(列)比率、セル比率、特化係数など 10. 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 11. 量的データの分析(2): 散布図、相関係数、相関係数行列など 12. 量的データの分析(3): 相関と因果、疑似相関、交絡など 13. 統計学の基礎: 確率の基礎、基本的な確率分布、推測統計の考え方など 14. データ分析演習(1) 15. データ分析演習(2) 16. データサイエンスのまとめとふりかえり
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	第1〜5回の課題(10%)、中間試験(6回)(20%)、第6〜16回の演習課題とレポート課題(70%)から成績評価を行う。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: 講義資料を確認し、分からない点をチェックしておくこと。　　　PCやExcelの操作方法について予め動画資料で確認しておくこと。復習: 授業で扱う演習課題の内容を理解するように講義資料、動画資料を用いて復習を行うこと。
教材・教科書／The teaching materials, textbook	詳解ディープラーニング第2版 ~TensorFlow/Keras・PyTorchによる時系列データ処理~　ISBN：978-4-8399-6951-6 その他の教材については適宜講義資料を配布します。
参考文献／bibliography	「教養としてのデータサイエンス」（北川源四郎、竹村彰通(編)、講談社、2021年）「分析者のためのデータ解釈学入門　データの本質をとらえる技術」（江崎貴裕(著)、ソシム、2020年）
留意点・予備知識／Point to keep in mind, back ground	数学Ⅰ・Aと数学Ⅱ・Bの知識が不可欠です。授業後のレポート課題は別途配布します。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー　月曜日　10:00～12:00
Eメールアドレス・HPアドレス／E-mail address, HP address	hnozaka At hirosaki-u.ac.jp Atは@に変更してください http://www.mt.hirosaki-u.ac.jp/hp1/
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	実務経験
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	第1回は通常の対面形式の講義、第2〜5回はオンデマンド形式とし、第6回前半は中間試験を実施する。第6回後半と第7〜16回は対面形式で授業を行う。
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	特になし臨床検査技師/医療情報技師/民間企業システム開発担当としての実務経験を踏まえた講義（演習、実習）の内容としています

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	データサイエンス基礎【M保検査】
時間割コード／Course Code	1221100217
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	木／Thu　2
開講区分／Semester offered	前期／first semester
単位数／Credits	2.0
学年／Year	1
主担当教員／Main Instructor	野坂大喜／NOZAKA HIROYUKI
科目区分／Course Group	教養教育科目　データサイエンス科目
教室／Classroom
必修・選択／Required/Elective	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1
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	○AI・データサイエンスが社会でどのように活用され新たな価値を生み出しているのかを理解すること ○パソコンを用いてデータを可視化し，説明できること ○データ・AIを扱う上での留意事項を理解すること
授業の概要／Summary of the class	○データの可視化やデータ分析の方法を理解し、Excelによって実践するスキルを修得する。 ○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. 計算機の利用方法: PCとExcelの初歩的な使い方 2. 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 3. 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 4. 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 5. 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 6. 中間試験、データマネジメント(1): データの種類、データの変換、母集団と標本抽出など 7. データマネジメント(2): データの可視化、時系列データなど 8. 質的データの分析(1): 度数分布表、クロス集計表 9. 質的データの分析(2): 行(列)比率、セル比率、特化係数など 10. 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 11. 量的データの分析(2): 散布図、相関係数、相関係数行列など 12. 量的データの分析(3): 相関と因果、疑似相関、交絡など 13. 統計学の基礎: 確率の基礎、基本的な確率分布、推測統計の考え方など 14. データ分析演習(1) 15. データ分析演習(2) 16. データサイエンスのまとめとふりかえり
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	第1〜5回の課題(10%)、中間試験(6回)(20%)、第6〜16回の演習課題とレポート課題(70%)から成績評価を行う。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: 講義資料を確認し、分からない点をチェックしておくこと。　　　PCやExcelの操作方法について予め動画資料で確認しておくこと。復習: 授業で扱う演習課題の内容を理解するように講義資料、動画資料を用いて復習を行うこと。
教材・教科書／The teaching materials, textbook	詳解ディープラーニング第2版 ~TensorFlow/Keras・PyTorchによる時系列データ処理~　ISBN：978-4-8399-6951-6 その他の教材については適宜講義資料を配布します。
参考文献／bibliography	「教養としてのデータサイエンス」（北川源四郎、竹村彰通(編)、講談社、2021年）「分析者のためのデータ解釈学入門　データの本質をとらえる技術」（江崎貴裕(著)、ソシム、2020年）
留意点・予備知識／Point to keep in mind, back ground	数学Ⅰ・Aと数学Ⅱ・Bの知識が不可欠です。授業後のレポート課題は別途配布します。
授業内容に関する質問・疑義等／Question, doubt about class contents	オフィスアワー　月曜日　10:00～12:00
Eメールアドレス・HPアドレス／E-mail address, HP address	hnozaka At hirosaki-u.ac.jp Atは@に変更してください http://www.mt.hirosaki-u.ac.jp/hp1/
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	実務経験
地域志向科目／Local intention subject	なし
授業形態・授業方法／Class form, class method	第1回は通常の対面形式の講義、第2〜5回はオンデマンド形式とし、第6回前半は中間試験を実施する。第6回後半と第7〜16回は対面形式で授業を行う。
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	特になし臨床検査技師/医療情報技師/民間企業システム開発担当としての実務経験を踏まえた講義（演習、実習）の内容としています

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information