2025年度前期データサイエンス演習

曜日・時限	水曜日２時限	期別	前期	週時間数	0
ナンバリング	GP331013
開講学科等	情報通信工学部-情報工学科
教員名	江原　康生江原　康生職務履歴 https://research.osakac.ac.jp/index.php?%e6%b1%9f%e5%8e%9f%e3%80%80%e5%ba%b7%e7%94%9f 教員情報データベースに遷移します

目的

現代社会や科学における様々な問題を自ら発見し、統計科学や数理科学、情報技術を基盤としてデータ利活用により，新たな価値を生み出すためのデータサイエンスと呼ばれる学問が注目されている。本演習では、データサイエンス分野でも人気の高いプログラミング言語である Python を用いて、様々なライブラリを活用したデータサイエンスに関連するプログラミングに取り組む中で、適切なデータ収集、処理、分析手法の修得を目的とする。

授業計画

授業回	形式	学修内容	学修課題
1	A, C	ガイダンス（本演習の概要説明、データサイエンスとは）	事前学修	データサイエンスという学問が何かについて調べてくる(2時間)
1	A, C	ガイダンス（本演習の概要説明、データサイエンスとは）	事後学修	授業で学んだデータサイエンスにおける分析、活用事例について復習すること(3時間)
2	A, C	Pyhton の基本プログラミング	事前学修	プログラミング言語 Python について調べてくる(2時間)
2	A, C	Pyhton の基本プログラミング	事後学修	演習で学んだ Python の基本プログラミングの内容について復習すること(3時間)
3	A, C	Pythonを用いたデータ処理　Numpy、pandas	事前学修	Python のデータ処理ライブラリである Numpy, pandas について調べてくること(2時間)
3	A, C	Pythonを用いたデータ処理　Numpy、pandas	事後学修	演習で学んだ Numpy、pandas の利用方法について復習すること(3時間)
4	A, C	Python を用いたデータ統計処理、可視化(1)　pandas, matplotlib	事前学修	Python のデータ可視化ライブラリである matplotlib について調べてくること(2時間)
4	A, C	Python を用いたデータ統計処理、可視化(1)　pandas, matplotlib	事後学修	演習で学んだ matplotlib の利用方法について復習すること(3時間)
5	A, C	Python を用いたデータ統計処理、可視化(2) 　matplotlib, searbon	事前学修	Python のデータ可視化ライブラリである searbon について調べてくること(2時間)
5	A, C	Python を用いたデータ統計処理、可視化(2) 　matplotlib, searbon	事後学修	演習で学んだ searbon の利用方法について復習すること(3時間)
6	A, C	Pyhton を用いたデータの統計処理、可視化(3)　まとめ演習	事前学修	これまでの演習で学習したデータ可視化手法の内容を振り返り、復習すること(2時間)
6	A, C	Pyhton を用いたデータの統計処理、可視化(3)　まとめ演習	事後学修	演習課題を完成させること(3時間)
7	A, C	Pyhton を用いたテキストマイニング(1)　テキストデータ処理の基礎	事前学修	テキストマイニングについて調べてくること(2時間)
7	A, C	Pyhton を用いたテキストマイニング(1)　テキストデータ処理の基礎	事後学修	演習で学んだPythonによるテキストデータの処理方法を復習すること(3時間)
8	A, C	Pyhton を用いたテキストマイニング(2)　テキストマイニング分析、可視化	事前学修	テキストマイニングの分析手法について調べてくること(2時間)
8	A, C	Pyhton を用いたテキストマイニング(2)　テキストマイニング分析、可視化	事後学修	演習で学んだPythonによるテキストマイニングの分析手法を復習すること(3時間)
9	A, C	Pyhton を用いたテキストマイニング(3) まとめ演習	事前学修	これまでの演習で学習したテキストマイニングの内容を振り返り、復習すること(2時間)
9	A, C	Pyhton を用いたテキストマイニング(3) まとめ演習	事後学修	演習課題を完成させること(2時間)
10	A, C	Pyhton を用いた機械学習(1)　機械学習の概要，サポートベクトルマシン	事前学修	機械学習について調べてくること(2時間)
10	A, C	Pyhton を用いた機械学習(1)　機械学習の概要，サポートベクトルマシン	事後学修	演習で学んだPythonによるサポートベクトルマシンの方法を復習すること(2時間)
11	A, C	Pyhton を用いた機械学習(2)　ニューラルネットワークの基礎	事前学修	ニューラルネットワークについて調べてくること(2時間)
11	A, C	Pyhton を用いた機械学習(2)　ニューラルネットワークの基礎	事後学修	演習で学んだPythonによるニューラルネットワークの手法を復習すること(2時間)
12	A, C	Pyhton を用いた機械学習(3)　単語のベクトル化(word2vec)	事前学修	単語のベクトル化の手法について調べてくること(2時間)
12	A, C	Pyhton を用いた機械学習(3)　単語のベクトル化(word2vec)	事後学修	演習で学んだPythonによるword2vecの利用方法を復習すること(2時間)
13	A, C	Pyhton を用いた機械学習(4) まとめ演習	事前学修	これまでの演習で学習した機械学習手法の内容を振り返り、復習すること(2時間)
13	A, C	Pyhton を用いた機械学習(4) まとめ演習	事後学修	演習課題を完成させること(2時間)

授業形式記号

A:一斉授業（通常の講義）
B:問題発見・解決学習、プロジェクト学習
C:体験、実験、実習、演習など

D:調査分析、解析など
E:ものづくり、作品制作
F:グループワーク（ディスカッション・ディベートを含む）

G:プレゼンテーション
H:地域・企業　連携型学習
I:その他

到達目標

〇修得する資質・能力：知識・理解力，応用力【DP-P-1-1】
・Pythonを用いたデータ処理の考え方を理解し、手法を習得する
・Pythonを用いたデータ分析、可視化の考え方を理解し、これらの手法を習得する
・テキストマイニング、機械学習の考え方を理解し，その手法を習得する

〇修得する資質・能力：コミュニケーション力【DP-P-2-1】【DP-P-2-2】
・演習課題に沿ったプログラミング、データ分析内容について、人に説明することができる

〇修得する資質・能力：創造力【DP-P-4-1】
・データサイエンスの概念と目的を理解し，習得したデータ処理、分析方法を様々な問題に活用する

評価方法と評価観点

評価方法	配点合計	知識・理解力	応用力	コミュニケーション力	態度・志向性	創造力	合計
定期試験またはレポート試験							0%
小テスト、小論文							0%
グループワーク							0%
プレゼンテーション							0%
レポート、宿題							0%
授業での姿勢（ノート、質疑など）	30%	60%	20%		10%	10%	100%
作品、パフォーマンス（実技、実演）							0%
その他1(具体的に：演習課題:::::::::::::::	70%	60%	20%		10%	10%	100%
その他2(具体的に：							0%
	100%	60%	20%	0%	10%	10%	100%

教科書・参考書

資料を適宜配付する。もしくは授業時に指示する。

オフィスアワー

月曜日5限、A号館2F 教員室16

その他

授業時間内にPCを使用した演習を行うので、毎回PCを持参すること．

実務経験のある教員による授業科目

戻る