タイトル
     2024 年度 後期  経済学部 経済学科(昼間コース) 日英区分 :日本語 
  
データサイエンス入門
Introduction to Data Science
  
ナンバリング 科目分野
    経済学部基盤科目
担当教員(ローマ字表記)
  市川 裕介  [ICHIKAWA Yusuke]
対象学生 対象年次 単位数
  1~2 1
必修・指定選択・選択の別 曜日時限 教室
必修 金1 全学講義棟 1-401
科目群 講義番号
  A01702
クラス指定  
経済学部係にて第3ターム・第4タームにクラス分けして受講指定を行います。
 
他との関連(関連項目)  
情報基礎、経済情報リテラシー
※第3タームに開講される「データサイエンス入門:講義番号A01701」と第4タームに開講される「データサイエンス入門:講義番号A01702」は同一の内容です。
 
履修条件(授業に必要な既修得科目または前提知識)  
パソコンを使用した演習を実施するため、高等学校共通教科「情報」における、コンピュータの基本操作(日本語入力、ウィンドウシステムの操作、ファイルの保存)、電子メールの送受信、Webサイトの閲覧についての基本技能は身についていることを前提とします。そのほか、既修得科目の条件はありません。
 
テーマ・副題  
データ・AI利活用のための基礎知識
 
授業科目の到達目標  
(1)社会におけるデータサイエンス・AIの役割を理解し、関心を持つこと。
(2)データサイエンスを日常の生活や仕事で活用する際の基礎的素養を身に着けること。
 
『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  
主に「知識を活用できる汎用的な能力の修得」を目指す。社会科学系専門科目を学習するための基礎を修得するための科目である(教育目標1に対応)。
 
授業キーワード  
データサイエンス、データリテラシー、人工知能(AI)、ビックデータ、統計解析、データ倫理、個人情報保護、情報セキュリティ
 
授業の内容  
情報通信技術(ICT)等の急速な発展により様々なシーンでデータが蓄積・活用されるようになっています。インターネット上で表示される広告、商品のおすすめ、迷惑メールの振り分け、渋滞などの混雑回避、タクシー配車の最適化、空港のセキュリティ、医療、等々、日常生活のほぼ全ての領域にわたります。これに伴い、データを処理・分析し、データから有益な情報を取り出す方法論である「データサイエンス」の重要性が認識されるようになりました。現代の社会では、文系・理系を問わずデータサイエンスの基礎的知識は不可欠なものとなっています。
本授業ではデータサイエンスの基礎について、実社会での活用事例の紹介や、実際にデータを扱う演習等を交えて学んでいただきます。言うまでもなく、データサイエンスには限界やリスクもあり、そういった負の側面についても紹介します。正負両方の側面を理解した上で、データやAIの活用に興味感心を持っていただくことを目的とします。
 
授業の方法  
授業は対面の講義形式で行います。
毎回、理解度を確認する小テストや演習を行うので、必ずパソコンを持参して受講してください。
 
事前準備学修・事後展開学修  
事前に講義資料に目を通し、分からない用語などは調べておいてください。また、事後に、講義中にとったノート、演習などを読み返し、出欠確認クイズで間違った場合は正解を調べておいてください(各回、事前学習に1時間、事後学習・演習課題に3時間程度)。
 
授業展開(スケジュール)  
No.内容
第1回 社会で起きている変化(ビックデータ、AI、Society5.0)
第2回 社会で活用されているデータ(データの種類と所有者)
第3回 データ・AIの活用領域と利活用事例(推薦システムを具体例として)
第4回 データを読む・データを説明する(データリテラシーの基礎)
第5回 データを扱う(オープンデータを用いた演習)
第6回 データ・AIを扱う上での留意事項(個人情報保護、AIの限界)
第7回 データを守る上での留意事項(情報セキュリティと暗号技術)
第8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  
オープンデータを用いた演習課題の評価(40%)、小テスト・期末試験の点(60%)の総合点で評価します。
なお、講義への出席(出席確認テストの回答)が2/3以下(3回以上の欠席)の場合は評価の対象としません。
 
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
 
テキスト  
教科書1 ISBN 9784065238097
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
備考 授業で使用する補足資料はWebClassに掲載します。
 
参考図書  
備考 毎回、授業中に参考になる図書やウェブサイトのURLを紹介します。
 
学生へのメッセージ  
ここ数年の間に、Stable Diffusion(画像生成AI)やChatGPT(文書生成AI)など、これまでとは比べ物にならないほど高度な性能を持つAIが登場し、様々な職種がAIに置き換えられる日も近いのではないかと論争が巻き起こっています。一方で、どんなに高度なAIも、それを使う人が使いこなせているかどうかで、得られる結果が大きく変わることも明らかになっており、また、間違った使い方をすれば相応のリスクもあります。このように、AIを使いこなすためのリテラシーとして、その基礎となるデータサイエンスの知識を持った人材の重要性は日々増しています。

本講義では、そんなデータサイエンスのごく初歩的な入門編として、データやAIの活用について、広く、浅く知っていただくことで、データやAIの活用に興味感心を持っていただくとともに、より高度な学習に進むための基礎的知識を身につけていただくことを期待しています。
 
人数制限 ※詳細は「その他・備考」欄を参照してください。  
なし
 
連絡先(電話番号)  
WebClassのメッセージ機能からご連絡ください
 
連絡先(メールアドレス)  
WebClassのメッセージ機能からご連絡ください
 
オフィスアワー  
授業期間中の毎週火・水曜: 12:15〜13:45、木・金曜: 13:15〜14:45
場所: 教育機構棟3階市川研究室
臨時の会議や出張などで不在にする場合があるので、事前にWebClassのメッセージ機能にて予約連絡をください。
なお、希望に応じてTeamsのビデオ会議で対応することも可能です。
 
連絡先(ホームページ、その他)  
WebClassのメッセージ機能からご連絡ください
 
関連ホームページ  
周知事項の連絡、資料の共有、小テストの実施、演習課題の提出等は、WebClassを用いて行います。こまめにWebClassを確認してください。
 
その他・備考  
小テスト・演習にてパソコンを使用するので毎回持参して下さい。
また、演習ではMicrosoft Excelを使用します。下記、埼玉大学情報メディア基盤センターのウェブページに掲載されているマニュアルを参照して、あらかじめデスクトップアプリ版のMicrosoft Excelを各自のパソコンにインストールしておいてください。
https://www.itc.saitama-u.ac.jp/services/MS/CloudOffice.html
 
ページの先頭へ