京都大学 京都大学

Data Analysis Practice II

Numbering Code U-LAS11 20004 SJ55 Year/Term 2022 ・ Second semester
Number of Credits 2 Course Type Seminar
Target Year All students Target Student For all majors
Language Japanese Day/Period Wed.1
Instructor name HARA HISAYUKI (Institute for Liberal Arts and Sciences Professor)
Outline and Purpose of the Course 今日では、コンピュータやネットワーク、様々なセンサなどの技術の進歩により、日々膨大なデータが蓄積されるようになった。これらのデータの活用への期待は大きく、データを適切に分析し、その結果から適切な判断を下すことが重要である。
「データ分析演習I」は、ICT（情報通信技術）の進展とビッグデータ、さらにデータ表現の基礎等を確認したうえで、原則としてプログラミング言語を用いた経験のない学生を対象として、データ解析の基礎を習得する実践科目である。
本講義は、文部科学省のモデルカリキュラム（応用基礎レベル）の、データサイエンス基礎・データエンジニアリング基礎・AI基礎をバランスよくカバーする形で構成されている。具体的には，統計処理やプログラミング言語の基礎知識を持たない学生を対象として、データ解析の基本的スキルの習得を目指す演習科目である。「統計入門」のような統計学の入門的講義科目に引き続き、さまざまな実データを、統計解析ソフトRを用いて分析を行いながら、データ分析の手続きや分析結果の考察、さらには背景となる理論を実践的に学習していく。加えて、基本的な機械学習、AIの手法についても学ぶ。
Course Goals 1.データ分析の理論的基礎となる確率論や統計学等の基礎を理解する．
2. R言語を用いてデータ分析に必要な基礎的な統計処理ができるようになる．
3. 自らの専門分野に数理・データサイエンス・AIを応用するために、分散分析・回帰分析などのデータ解析について概要を理解し，プログラミング言語による実装方法を理解する．
Schedule and Contents 授業回数はフィードバックを含め全15回とする。
開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮し、一部メディア授業を取り入れることがある。
導入（データ駆動型社会・データサイエンス活用事例、ビッグデータ、データの種類の概説、プライバシー保護、個人情報の取り扱いを含む） (1回)　
Rのインストール、Rの基礎 (1回)
Rを使ったデータの基礎集計・視覚化 (1回)
実験データ解析入門 (4回)
回帰分析 (2回)
判別分析 (2回)
クラスター分析・多次元尺度構成法 (2回)
AI・機械学習の基礎と展望 (1回)
フィードバック (1回)

なお、講義の進度・文科省のモデルカリキュラム等を反映して内容順序の変更や省略・追加を行うことがある。
Evaluation Methods and Policy 平常点（毎週の課題）50％、
中間・最終レポート課題の提出等50％
Course Requirements 「統計入門」あるいは同等の科目を履修していることがのぞましい。
主に文系の学生が高校で履修したレベルの数学の知識を必要とする。
Study outside of Class (preparation and review) 復習として，講義で解説した内容を自ら実装し，様々なデータに対して適用してみることを期待する．
R・RStudioを各自のパソコンにインストールする。インストール法は指示をする
Textbooks Textbooks/References 使用しない．適宜スライドなどを配布する
References, etc. 　
PAGE TOP