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【A生物・分子】／Foundations of Data Science
時間割コード／Course Code	1241100141
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　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	西野敦雄／NISHINO ATSUO
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
栗田大輔／KURITA DAISUKE	農学生命科学部／
西野敦雄／NISHINO ATSUO	農学生命科学部／

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、回帰モデルで分析し、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	第１回：ガイダンス: 授業内容と進め方、PCとExcelの初歩的な使い方第２回：はじめに: データサイエンスとは、人工知能、社会の変化、データサイエンスの応用事例第３回：データ利活用プロジェクトの進め方：PPDACサイクルの実践方法第４回：データ利活用と人工知能の倫理: データの扱い、ELSI、個人情報保護など第５回：中間試験(CBT形式にて実施)とExcelの初歩的な使い方(2) 第６回：データマネジメント: データの種類、データの変換、可視化、時系列データなど第７回：質的データの分析: 度数分布表、クロス集計表、ピボットテーブルなど第８回：量的データの分析(1): 変数ごとの特徴の分析 (基本統計量など) 第９回：量的データの分析(2): 2変数間の関係の分析 (散布図や相関係数など) 第１０回：量的データの分析(3): 相関と因果の違い、因果推論の考え方第１１回：統計学の基礎(1): 確率論の基礎、推測統計の考え方 (母集団や標本など) 第１２回：統計学の基礎(2): 線形回帰モデル、回帰直線、単回帰分析など第１３回：統計学の基礎(3): 重回帰分析、質的変数とダミー変数第１４回：総復習：データの前処理、基本統計量の確認、可視化、回帰分析第１５回：学習状況の確認（試験含む）と解説＊CBTとはコンピュータを使った試験方式のこと
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	第1〜4回の課題(10%)、中間試験(5回)(20%)、第５〜1４回の演習課題(40%)、期末試験(15回)（30%）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:教科書、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教科書、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	「データサイエンス基礎」弘前大学出版会（監修　玉田嘉紀）
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	特になし
授業内容に関する質問・疑義等／Question, doubt about class contents	○学習サロンにおいて「データサイエンス基礎」の学習相談室を開設します。　学習相談の開催日等については、教養教育掲示板等でお知らせします。 ○オフィスアワーは以下の通りです。　栗田：１７：００－１７：３０（月曜）　西野：１７：３０－１８：００（火曜）
Eメールアドレス・HPアドレス／E-mail address, HP address	栗田：dkurita at hirosaki-u.ac.jp 西野：anishino 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	○第1回は通常の対面形式の講義、第２〜４回はオンデマンド形式とし、第５回前半に中間試験を実施する。第５回後半と第６〜１４回は対面形式で授業を行い、第１５回目に期末試験を実施する。 ○パソコン必携
科目ナンバー／The subject number	LA-1-2201-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	データサイエンス基礎【A生物・分子】／Foundations of Data Science
時間割コード／Course Code	1241100141
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　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	西野敦雄／NISHINO ATSUO
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、回帰モデルで分析し、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	第１回：ガイダンス: 授業内容と進め方、PCとExcelの初歩的な使い方第２回：はじめに: データサイエンスとは、人工知能、社会の変化、データサイエンスの応用事例第３回：データ利活用プロジェクトの進め方：PPDACサイクルの実践方法第４回：データ利活用と人工知能の倫理: データの扱い、ELSI、個人情報保護など第５回：中間試験(CBT形式にて実施)とExcelの初歩的な使い方(2) 第６回：データマネジメント: データの種類、データの変換、可視化、時系列データなど第７回：質的データの分析: 度数分布表、クロス集計表、ピボットテーブルなど第８回：量的データの分析(1): 変数ごとの特徴の分析 (基本統計量など) 第９回：量的データの分析(2): 2変数間の関係の分析 (散布図や相関係数など) 第１０回：量的データの分析(3): 相関と因果の違い、因果推論の考え方第１１回：統計学の基礎(1): 確率論の基礎、推測統計の考え方 (母集団や標本など) 第１２回：統計学の基礎(2): 線形回帰モデル、回帰直線、単回帰分析など第１３回：統計学の基礎(3): 重回帰分析、質的変数とダミー変数第１４回：総復習：データの前処理、基本統計量の確認、可視化、回帰分析第１５回：学習状況の確認（試験含む）と解説＊CBTとはコンピュータを使った試験方式のこと
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	第1〜4回の課題(10%)、中間試験(5回)(20%)、第５〜1４回の演習課題(40%)、期末試験(15回)（30%）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:教科書、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教科書、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	「データサイエンス基礎」弘前大学出版会（監修　玉田嘉紀）
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	特になし
授業内容に関する質問・疑義等／Question, doubt about class contents	○学習サロンにおいて「データサイエンス基礎」の学習相談室を開設します。　学習相談の開催日等については、教養教育掲示板等でお知らせします。 ○オフィスアワーは以下の通りです。　栗田：１７：００－１７：３０（月曜）　西野：１７：３０－１８：００（火曜）
Eメールアドレス・HPアドレス／E-mail address, HP address	栗田：dkurita at hirosaki-u.ac.jp 西野：anishino 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	○第1回は通常の対面形式の講義、第２〜４回はオンデマンド形式とし、第５回前半に中間試験を実施する。第５回後半と第６〜１４回は対面形式で授業を行い、第１５回目に期末試験を実施する。 ○パソコン必携
科目ナンバー／The subject number	LA-1-2201-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