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	データサイエンス数学／Data Science Mathematics
時間割コード／Course Code	1232100005
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	月／Mon　2
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	XU KUANGZHE
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
授業形式／Class Format	講義科目
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
XU KUANGZHE	教育戦略室／
紅林亘／KUREBAYASHI WATARU	理工学研究科／

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　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○データサイエンスの基礎となる数学の基本的概念を理解すること ○数学的な知識に基づいてデータサイエンスの方法論を適切に応用できること
授業の概要／Summary of the class	主に文系学生が履修することを想定し、データサイエンスを学ぶ上で必要となる微分積分、線形代数、確率統計などの数学的な概念を平易に解説する。また、エクセルを用いた演習を通して、数学がデータサイエンスにおいてどのように役に立つかを学ぶ。
授業の内容予定／Contents plan of the class	1. 微分とは何か 2. 積分とは何か 3. 曲面の傾きを調べよう 4. 人工知能を学習させよう 5. ベクトル、行列とは何か 6. 行列を使って連立方程式を解こう 7. データを使って予測しよう 8. 予測結果は本当に正しいのか 9. 微分積分、線形代数の復習と中間試験 10. 確率とは何か 11. 確率を積分で表現しよう 12. 推測するための統計学とは 13. データから仮説を立証しよう 14. データ間の関係を調べよう 15. 確率統計の復習と期末試験
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	演習への取り組み(40%)、中間試験(30%)、期末試験(30%)から評価する。なお、試験はCBT形式とし、手計算ならびにエクセルを利用した内容とする。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: 適宜、授業において指示する。復習: 演習に取り組みつつ、授業スライドの該当箇所を参照して復習すること。
教材・教科書／The teaching materials, textbook	教科書は指定せず、授業スライドを共有して使用する。
参考文献／bibliography	「データサイエンスのための数学 (データサイエンス入門シリーズ)」(椎名洋、姫野哲人、保科架風(著)、清水昌平(編)、講談社、2009年) 「プログラミングのための線形代数」(平岡和幸、堀玄(著)、オーム社、2004年) 「プログラミングのための確率統計」(平岡和幸、堀玄(著)、オーム社、2009年)
留意点・予備知識／Point to keep in mind, back ground	○各自、授業にPCを持参すること。 ○数学について、高等学校の数学I、数学Aに相当する知識を有すること。 ○「データサイエンス基礎」を履修済みであること。
授業内容に関する質問・疑義等／Question, doubt about class contents	Teamsのチャット機能を使用して受け付ける。
Eメールアドレス・HPアドレス／E-mail address, HP address	wkure@hirosaki-u.ac.jp
学問分野1（主学問分野）／Discipline 1	B11:代数学，幾何学およびその関連分野
学問分野2（副学問分野）／Discipline 2	B12:解析学，応用数学およびその関連分野
学問分野3（副学問分野）／Discipline 3	J60:情報科学、情報工学およびその関連分野
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	授業各回の前半に通常の講義を行い、後半に演習を行う。演習では、演習問題を解くことと、エクセルを用いた作業に取り組む。
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	データサイエンス数学／Data Science Mathematics
時間割コード／Course Code	1232100005
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	月／Mon　2
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	1,2
主担当教員／Main Instructor	XU KUANGZHE
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
授業形式／Class Format	講義科目
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　　 CP・DP　２　解決していく力
授業としての具体的到達目標／Concrete arrival target as the class	○データサイエンスの基礎となる数学の基本的概念を理解すること ○数学的な知識に基づいてデータサイエンスの方法論を適切に応用できること
授業の概要／Summary of the class	主に文系学生が履修することを想定し、データサイエンスを学ぶ上で必要となる微分積分、線形代数、確率統計などの数学的な概念を平易に解説する。また、エクセルを用いた演習を通して、数学がデータサイエンスにおいてどのように役に立つかを学ぶ。
授業の内容予定／Contents plan of the class	1. 微分とは何か 2. 積分とは何か 3. 曲面の傾きを調べよう 4. 人工知能を学習させよう 5. ベクトル、行列とは何か 6. 行列を使って連立方程式を解こう 7. データを使って予測しよう 8. 予測結果は本当に正しいのか 9. 微分積分、線形代数の復習と中間試験 10. 確率とは何か 11. 確率を積分で表現しよう 12. 推測するための統計学とは 13. データから仮説を立証しよう 14. データ間の関係を調べよう 15. 確率統計の復習と期末試験
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	演習への取り組み(40%)、中間試験(30%)、期末試験(30%)から評価する。なお、試験はCBT形式とし、手計算ならびにエクセルを利用した内容とする。
予習及び復習等の内容／Contents such as preparations for lessons and the review	予習: 適宜、授業において指示する。復習: 演習に取り組みつつ、授業スライドの該当箇所を参照して復習すること。
教材・教科書／The teaching materials, textbook	教科書は指定せず、授業スライドを共有して使用する。
参考文献／bibliography	「データサイエンスのための数学 (データサイエンス入門シリーズ)」(椎名洋、姫野哲人、保科架風(著)、清水昌平(編)、講談社、2009年) 「プログラミングのための線形代数」(平岡和幸、堀玄(著)、オーム社、2004年) 「プログラミングのための確率統計」(平岡和幸、堀玄(著)、オーム社、2009年)
留意点・予備知識／Point to keep in mind, back ground	○各自、授業にPCを持参すること。 ○数学について、高等学校の数学I、数学Aに相当する知識を有すること。 ○「データサイエンス基礎」を履修済みであること。
授業内容に関する質問・疑義等／Question, doubt about class contents	Teamsのチャット機能を使用して受け付ける。
Eメールアドレス・HPアドレス／E-mail address, HP address	wkure@hirosaki-u.ac.jp
学問分野1（主学問分野）／Discipline 1	B11:代数学，幾何学およびその関連分野
学問分野2（副学問分野）／Discipline 2	B12:解析学，応用数学およびその関連分野
学問分野3（副学問分野）／Discipline 3	J60:情報科学、情報工学およびその関連分野
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	授業各回の前半に通常の講義を行い、後半に演習を行う。演習では、演習問題を解くことと、エクセルを用いた作業に取り組む。
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