| 年度 |
2025年度 |
開講部局 |
大学院共通教育（博士課程後期・博士課程） |
| 講義コード |
8E550101 |
科目区分 |
大学院共通科目 |
| 授業科目名 |
Data Science |
授業科目名
（フリガナ） |
データサイエンス |
| 英文授業科目名 |
Data Science |
| 担当教員名 |
|
担当教員名
(フリガナ) |
|
| 開講キャンパス |
東広島 |
開設期 |
1年次生 後期 ３ターム |
| 曜日・時限・講義室 |
(3T) 火9-10,水7-8：メディアセンター本館2F端末室 |
| 授業の方法 |
講義 |
授業の方法
【詳細情報】 |
オンライン（同時双方向型）, オンライン（オンデマンド型） |
| |
| 単位 |
2.0 |
週時間 |
4 |
使用言語 |
J
:
日本語 |
| 学習の段階 |
5
:
大学院基礎的レベル
|
| 学問分野（分野） |
25
:
理工学 |
| 学問分野（分科） |
01
:
数学・統計学 |
| 対象学生 |
大学院博士課程前期 |
| 授業のキーワード |
Python, 数値計算，最適化手法，機械学習，モデル評価 |
| 教職専門科目 |
|
教科専門科目 |
|
プログラムの中での
この授業科目の位置づけ
（学部生対象科目のみ） | 本授業は，大学院共通科目のうちの，最近の社会システムの進展を知り，これからの時代に必須な知識を身につけ，現代社会の課題に具体的に取り組み，必須な知識・技術を使うことができる能力を身につけることを目指す「キャリア開発・データリテラシー科目」の選択科目の一つである。 |
|---|
到達度評価
の評価項目
（学部生対象科目のみ） | |
|---|
| 授業の目標・概要等 |
機械学習の基本を理解し、プログラミング言語 Python を使用した演習を通して理解を深める。 |
| 授業計画 |
Python 入門 & 数値計算
1.イントロダクション：データサイエンスとは
2.Python の基礎1：数値演算、データ型、演算子
3.Python の基礎2：関数、反復、乱数
4ライブラリ1：NumPy による数値計算
5.ライブラリ2：pandas によるデータ処理
6.ライブラリ3：Matplotlib によるデータ可視化
7.ライブラリ4：scikit-learn, CVXOPT の基礎
数値計算 & 最適化手法
8.数値計算1：最急降下法、Newton 法
9.数値計算2：線形計画法、二次計画法
機械学習 & モデル評価
10.機械学習1：線形回帰、リッジ回帰、Lasso 回帰、多項式回帰
11.機械学習2：決定木、SVM
12.機械学習3：汎化性能、バイアス・バリアンス
13.機械学習4：学習曲線、交差検証
14.機械学習5：混同行列とモデル評価
まとめ & 発展的な内容
15.まとめ：復習と発展的な内容
|
| 教科書・参考書等 |
特に指定しない。 |
授業で使用する
メディア・機器等 |
配付資料, 音声教材, 映像資料 |
| 【詳細情報】 |
|
授業で取り入れる
学習手法 |
授業後レポート |
予習・復習への
アドバイス |
オンデマンド動画を復習や確認に役立ててください。 |
履修上の注意
受講条件等 |
|
| 成績評価の基準等 |
講義動画の視聴を単位取得の要件とし、レポートを基に成績を評価する。 |
| 実務経験 |
|
実務経験の概要と
それに基づく授業内容 |
|
| メッセージ |
|
| その他 |
|
すべての授業科目において，授業改善アンケートを実施していますので，回答に協力してください。
回答に対しては教員からコメントを入力しており，今後の改善につなげていきます。 |