タイトル
     2023 年度 前期  理学部 物理学科 日英区分 :日本語 
  
数理データサイエンス基礎
Introduction to Data Science
  
ナンバリング 科目分野
SCI1975   理学部基盤科目
担当教員(ローマ字表記)
  荒井 亮一 [Arai, Ryoichi]
対象学生 対象年次 単位数
    2
必修・指定選択・選択の別 曜日時限 教室
  水2 情報メディア端末室(3)
科目群 講義番号
  R19400
クラス指定  
理学部 数学科1年生必修・物理学科1年生必修
 
他との関連(関連項目)  
統計学
 
履修条件(授業に必要な既修得科目または前提知識)  
パソコンの基礎的な知識
使用するパソコンにWord、Excel、Pythonのインストール
高等学校までの数学(特に統計)の知識
 
テーマ・副題  
データサイエンス入門
Word入門
Excel入門
Python入門
 
授業科目の到達目標  
データを処理・分析し、データから有益な情報を取り出すデータサイエンスの重要性を理解する。
データを扱う技術における情報倫理を理解する。
パソコンを利用して、理系のレポートを作成する。
表計算やプログラム(Python)を利用して、データをまとめる。
 
『ディプロマ・ポリシー』を含む学部・研究科・学科等の学修・教育目標との関連  
教育目標「自然科学分野における十分な知識と思考力の習得」および「現代テクノロジーに関する基本的理解の習得」に関連し、データサイエンスの基礎を理解・習得する。
データサイエンスに関わる様々な科学分野に貢献し広く社会で活躍できる人材を養成するための科目である。
 
授業キーワード  
情報倫理、ビッグデータ、人口知能、ヒストグラム、箱ひげ図、散布図、代表値、相関係数、回帰直線、Word、Excel、Python
 
授業の内容  
データサイエンスが現代社会において、どのような役割を果たしているのかを紹介する。
実習を通して、コンピュータによる情報処理の基礎を学ぶ。
 
授業の方法  
[座学]
スライドを使用したり、板書を行いながら講義する。

[実習]
実習室に設置されているパソコンか、持参したパソコンで実習課題に取り組み、結果を時間内に評価してもらう。
講義時間内に評価を受けた後、実習課題のレポートを作成し、期限内に提出する。


[注意] 新型コロナウイルス感染症拡大抑制のため、授業の回数や内容を変更する場合があります。変更する場合は適宜連絡します。
 
事前準備学修・事後展開学修  
[15回の授業で2単位の科目] 授業1回あたり合計4時間の事前準備・事後展開学修が目安となります。

事前準備学修
次回の講義に関する教科書を読んで予習し、ノートに纏める(2時間)。

事後展開学修
講義内容を復習し理解する(1時間)。
該当する教科書の章末問題を解くなどしてさらに理解を深める(1時間)。
 
授業展開(スケジュール)  
No.内容
第1回 データサイエンスの概要
第2回 データ・AI利活用における留意事項
第3回 社会で活用されているデータ
第4回 ヒストグラム、箱ひげ図、代表値
第5回 散布図、相関係数、回帰直線
第6回 データ分析の注意点
第7回 データ・AI利活用
第8回 データ・AI活用の現場・最新動向
第9回 実習1 (Excel)
第10回 レポート作成 (Word)
第11回 実習2 (Excel)
第12回 Python入門
第13回 実習3 (Python)
第14回 実習4 (Python)
第15回 実習5 (Python)
第16回 期末試験
 
授業の詳細(履修登録学生のみ閲覧可)  
WebClassへ
 
成績評価の方法と観点  
実習[結果の評価(25%)、実習レポート(25%)]
期末試験(50%)
 
成績評価基準  
埼玉大学単位修得の認定に関する規則に基づき、履修者が授業の到達目標をどれだけ達成したかに応じて以下の通り評価する。
「到達目標を超え、全般的に特に秀でている」 =GP:4 = S
「到達目標を超えており、部分的に秀でている」 =GP:3.5=A+
「到達目標を超えている」 =GP:3 = A
「到達目標に十分達しており、部分的に秀でている」 =GP:2.5=B+
「到達目標に十分達している」 =GP:2 = B
「到達目標に最低限達しており、部分的に B 以上の水準にある」=GP:1.5=C+
「到達目標に最低限達している」 =GP:1 = C
「到達目標に達していない」 =GP:0 = D
「到達目標の達成度を測る材料がない」 =GP:0=F

出席回数が講義全体の2/3未満である場合には講義を放棄したと見なし、期末試験を受験することができないので注意すること。

実習では、講義内に評価を受けない場合には実習を放棄したと見なし、実習レポートを提出できないので注意すること。
 
テキスト  
教科書1 ISBN 978-4780607307
書名 データサイエンス入門
著者名 竹村彰通, 姫野哲人, 高田聖治編 ; 和泉志津恵 [ほか] 共著 出版社 学術図書出版社 出版年 2021
備考
教科書2 ISBN 978-4065238097
書名 教養としてのデータサイエンス
著者名 北川源四郎, 竹村彰通編 ; 内田誠一 [ほか] 著 出版社 講談社 出版年 2021
備考
 
参考図書  
参考書1 ISBN 978-4815601522
書名 新・明解Python入門
著者名 柴田望洋著 出版社 SBクリエイティブ 出版年 2019
備考
参考書2 ISBN 978-4295006329
書名 スッキリわかるPython入門
著者名 国本大悟, 須藤秋良著 出版社 インプレス 出版年 2019
備考
参考書3 ISBN 978-4815607647
書名 Python [完全]入門
著者名 松浦健一郎, 司ゆき著 出版社 SBクリエイティブ 出版年 2021
備考
 
学生へのメッセージ  
本講義では、座学と実習を実施します。積極的に授業と実習課題に取り組んでください。
WebClassで講義に関する情報を掲示するので、注意してください。
実習室のパソコンを使うには入学時に配布されるIDとパスワードが必要です。
WindowsとMicrosoft Officeを使用できる前提で実習を行うので、別のOSやアプリを使用している場合は独自で調べてもらう必要があります。
 
人数制限 ※詳細は「その他・備考」欄を参照してください。  
90名
 
連絡先(電話番号)  
理学部物理学科事務室(内線4250)
 
連絡先(メールアドレス)  
WebClassのメール
 
オフィスアワー  
授業終了時に講義室で質問を受け付けます。
 
連絡先(ホームページ、その他)  
 
関連ホームページ  
 
その他・備考  
理学部 数学科1年生・物理学科1年生以外の学生は各学科で開講されている数理データサイエンス基礎を受講すること。
状況によっては、
 ・実習室を2部屋にする。
 ・パソコンを持参してもらい、大きな講義室で実習する。
 
ページの先頭へ