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	データサイエンス発展Ⅱ①／Data Science Development II
時間割コード／Course Code	1242200005
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　5
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	2,3,4
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	選択
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
守真太郎／MORI SHINTARO	理工学研究科／
XU KUANGZHE	教育戦略室／
テスト教養教育	教養教育開発実践センター／

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　　CP・DP　２　解決していく力　CP・DP　３　学び続ける力
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（見通す力） ○パソコンを用いてデータを分析する力を養う(解決していく力） ○AIを用いてPBL課題に取り組むことで、AIを駆使したデータ分析で課題を解決していく（解決する力
授業の概要／Summary of the class	「データサイエンス発展I」を履修し、Pythonプログラミングでデータ分析の経験がある者を対象とする。AIのアルゴリズムを学び、具体的な課題を用いて、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. 機械学習とニューラルネットワーク 2. ディープラーニング 3. 機械学習のアルゴリズム1 4. 機械学習のアルゴリズム2：さまざまな機械学習アルゴリズム 5. 画像データ分析1:画像処理 6. 画像データ分析2: 畳み込みニューラルネットワーク 7. 画像分類問題に取り組む1:データの確認とモデル化の準備 8. 画像分類問題に取り組む2:モデルの作成 9. テキストデータ分析1: 自然言語処理の基礎 10. テキストデータ分析2: ニューラルネットワーク 11. 課題解決に挑戦1: 課題設定と分析手法の決定 12. 課題解決に挑戦2: 分析に取り組む 13. 課題解決に挑戦3: モデル化に取り組む 14. 課題解決に挑戦4: コンペに挑戦 15. 課題解決に挑戦5: 分析レポートの作成
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	eラーニング教材の履修状況(70%)ならびに最終課題の成果(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	eラーニング教材のリストをもとに検索することで、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます(予習、復習は、最低でも各1時間程度行う必要があります)。
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	「データサイエンス発展I」の単位が修得済みであること。
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	なし。
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	○授業の最初の10回はMoodleの教材を自習する形式で実施する。講義、演習、すべてeラーニング用のオンデマンド教材となっている。 ○対面講義の場合、教室に来てその講義の教材を自習すること。出席は確認する。質問があれば講師、TAに質問する。各回の講義の教材は次回の講義までに完了すること。 ○オンデマンド講義の場合、2週間の受講期間内に最初の10回のすべての教材を学ぶこと。質問はTeamsのチャットにより行う。出席は確認しない。 ○後半の5回では課題解決学習に取り組む。詳細はMoodleで発表する。
科目ナンバー／The subject number	LA-1-2202-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

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	データサイエンス発展Ⅱ①／Data Science Development II
時間割コード／Course Code	1242200005
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　5
開講区分／Semester offered	後期／second semester
単位数／Credits	2.0
学年／Year	2,3,4
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	選択
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　　CP・DP　２　解決していく力　CP・DP　３　学び続ける力
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（見通す力） ○パソコンを用いてデータを分析する力を養う(解決していく力） ○AIを用いてPBL課題に取り組むことで、AIを駆使したデータ分析で課題を解決していく（解決する力
授業の概要／Summary of the class	「データサイエンス発展I」を履修し、Pythonプログラミングでデータ分析の経験がある者を対象とする。AIのアルゴリズムを学び、具体的な課題を用いて、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. 機械学習とニューラルネットワーク 2. ディープラーニング 3. 機械学習のアルゴリズム1 4. 機械学習のアルゴリズム2：さまざまな機械学習アルゴリズム 5. 画像データ分析1:画像処理 6. 画像データ分析2: 畳み込みニューラルネットワーク 7. 画像分類問題に取り組む1:データの確認とモデル化の準備 8. 画像分類問題に取り組む2:モデルの作成 9. テキストデータ分析1: 自然言語処理の基礎 10. テキストデータ分析2: ニューラルネットワーク 11. 課題解決に挑戦1: 課題設定と分析手法の決定 12. 課題解決に挑戦2: 分析に取り組む 13. 課題解決に挑戦3: モデル化に取り組む 14. 課題解決に挑戦4: コンペに挑戦 15. 課題解決に挑戦5: 分析レポートの作成
成績評価方法及び採点基準／A scholastic evaluation method and marking standard	eラーニング教材の履修状況(70%)ならびに最終課題の成果(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	eラーニング教材のリストをもとに検索することで、授業で扱う内容について事前に学んでおくとよいでしょう。また、授業で扱いきれなかった題材について授業後に学ぶことでより知識が身につきます(予習、復習は、最低でも各1時間程度行う必要があります)。
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	「データサイエンス発展I」の単位が修得済みであること。
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	なし。
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	○授業の最初の10回はMoodleの教材を自習する形式で実施する。講義、演習、すべてeラーニング用のオンデマンド教材となっている。 ○対面講義の場合、教室に来てその講義の教材を自習すること。出席は確認する。質問があれば講師、TAに質問する。各回の講義の教材は次回の講義までに完了すること。 ○オンデマンド講義の場合、2週間の受講期間内に最初の10回のすべての教材を学ぶこと。質問はTeamsのチャットにより行う。出席は確認しない。 ○後半の5回では課題解決学習に取り組む。詳細はMoodleで発表する。
科目ナンバー／The subject number	LA-1-2202-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

授業情報／Class Information

基本情報/Basic Information

担当教員情報/Instructor Information