【授業の目的】
データサイエンスの最新事情とそれを構成する技術群を理解するとともに、データ分析の基本的な手法を学び、研究や業務の中でデータサイエンスを適用した課題解決が行える知識・基礎的素養を身につける。
【授業の到達目標】
・機械学習やデータマイニングの意義とビッグデータ・IoT・AI等との関わりを説明できる。
・データサイエンスを支える数理的背景（数学、統計学など）についての概要を説明できる。
・大規模なデータ処理を行う際に課題となる点と，その解決のための計算技術を説明できる。
・多様な分野におけるデータサイエンスの活用事例を説明できる。
【授業概要（キーワード）】
ディープラーニング、データマイニング、ビッグデータ
データサイエンスの数理的背景、数理統計、自然科学とデータサイエンス
計算機アーキテクチャ、アルゴリズム、最適化、Python
【学生主体型授業（アクティブラーニング）について】
A-1．ミニッツペーパー、リフレクションペーパー等によって、自分の考えや意見をまとめ、文章を記述し提出する機会がある。：1～25％
【科目の位置付け】
データサイエンスの主要な技術である機械学習・深層学習の仕組みを理解して、データサイエンスを課題解決に適用できるための知識・基礎的素養を身につける。
【授業計画】
・授業の方法
・種々のデータ表現とその解析手段としての種々のデータサイエンス技術の一般的な事例紹介を通して、現代型のデータサイエンスの基礎を体感することを目的とした授業を行う。
・データサイエンス分野で利用される代表的な数理の背景と概要を紹介し、さらに、自然科学分野におけるデータサイエンスの役割について説明する。
・データサイエンス技術がどのように社会実装されているのかを具体的な事例を通じて紹介し、教育・学習支援の裏側の変革プロセスを理解させるとともに、自らの研究や実践に応用するための視座を提供する。
・日程
1. データ表現とデータ解析手法の事例紹介１
2. データ表現とデータ解析手法の事例紹介２
3. 機械学習・AIによる物質・材料開発の革新
4. 先端量子ビーム実験×データサイエンス技術で非晶質材料の本質に迫る
5. データサイエンスの社会実装：教育DXの事例から
6. 多様な分野におけるデータサイエンスの活用事例１
7. 多様な分野におけるデータサイエンスの活用事例２
【学習の方法・準備学修に必要な学修時間の目安】
・受講のあり方
・授業で扱うデータ表現や解析手法の応用範囲の広がりや実践例などを論文・書籍・インターネットを通して自身で調べて適宜補完すること。
・自身の所属する分野の諸問題へのデータサイエンスの応用可能性を念頭に置きながら授業に臨むとよい。
・可能な者は授業で紹介するアルゴリズムをPythonプログラムで実装して確認すること。
・授業時間外学習（予習・復習）のアドバイス
可能な者はPythonプログラミングについては，時間を見つけてスキルアップに取り組んで欲しい．
【成績の評価】
・基準
予習課題、小テスト、実習成果、課題レポートなどを提出していること。
・方法
予習課題、小テスト、実習成果、課題レポートなどの総合で60点以上の評価を得ることで単位を認定する。
【テキスト・参考書】
授業で使用する資料の配布方法は、授業の中で提示する。
参考図書などは、授業の中で適宜紹介する。
【その他】
・オフィス・アワー
質問がある場合は、講義終了後やメールなどで適宜担当教員に問い合わせること。
|