2025年度前期ビッグデータサイエンス

曜日・時限 火曜日4時限 期別 前期 週時間数 0
ナンバリング GP331303
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

現代社会における幅広い分野でのビッグデータの利活用が進む中、これらを分析して有益な情報を得るために様々なデータ分析スキルの習得が求められている。本授業では、代表的なデータ分析手法である回帰分析、クラスター分析、データ分類、主成分分析、因子分析、などのデータ分析の考え方と手法について解説を行う。さらに、近年注目が高いプログラミング言語の Python を用いて、これらデータ分析手法の演習を併せて行う。それぞれの単元ごとに理解度確認のための演習を実施することで、学生の理解度に沿った授業を行う。

授業計画

授業回 形式 学修内容 学修課題
1 A, C ビッグデータの分析と活用について 事前学修 ビッグデータの分析方法や活用事例について調べてくる (2時間)
事後学修 授業で学んだビッグデータの分析と活用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)
事後学修 授業で学んだ Python の基本プログラミング内容について復習すること (3時間)
3 A, C 回帰分析(1) (相関、単回帰分析、重回帰分析、Pythonを用いた演習) 事前学修 単回帰分析、重回帰分析について調べてくる (2時間)
事後学修 授業で学んだ単回帰分析、重回帰分析の考え方と手順について復習すること (3時間)
4 A, C 回帰分析(2) (ロジスティック回帰、Pythonを用いた演習) 事前学修 ロジスティック回帰について調べてくる (2時間)
事後学修 授業で学んだロジスティック回帰の考え方と手順について復習すること (3時間)
5 A, C 理解度確認のための演習(回帰分析、Pythonを用いた演習) 事前学修 これまでに学んだ内容(回帰分析)について復習すること (2時間)
事後学修 授業で行った演習内容について復習すること (3時間)
6 A, C クラスター分析(1) (階層型クラスタリング) 事前学修 クラスター分析(階層型クラスタリング)について調べてくる (2時間)
事後学修 授業で学んだ階層型クラスタリングについて復習すること (3時間)
7 A, C クラスター分析(2) (非階層型クラスタリング) 事前学修 クラスター分析(非階層型クラスタリング)について調べてくる (2時間)
事後学修 授業で学んだ非階層型クラスタリングについて復習すること (3時間)
8 A, C 理解度確認のための演習(クラスター分析、Pythonを用いた演習) 事前学修 これまでに学んだ内容(クラスター分析)について復習すること (2時間)
事後学修 授業で行った演習内容について復習すること (3時間)
9 A, C  データ分類 (決定木、Pythonを用いた演習) 事前学修 決定木について調べてくる (2時間)
事後学修 授業で学んだ決定木について復習すること (2時間)
10 A, C  データ分類 (ランダムフォレスト、Pythonを用いた演習、理解度確認のための演習) 事前学修 ランダムフォレストについて調べてくる (2時間)
事後学修 授業で学んだランダムフォレストについて復習すること (2時間)
11 A, C 主成分分析 (主成分分析の考え方、第1,2主成分、寄与率、変量/主成分得点プロット、Pythonを用いた演習) 事前学修 主成分分析について調べてくる (2時間)
事後学修 授業で学んだ主成分分析の考え方について復習すること (2時間)
12 A, C 因子分析(因子分析の考え方、因子モデル、因子の回転、Pythonを用いた演習) 事前学修 因子分析について調べてくる (2時間)
事後学修 授業で学んだ因子分析の考え方と手順について復習すること (2時間)
13 A, C 理解度確認のための演習(主成分分析、因子分析、Pythonを用いた演習) 事前学修 これまでに学んだ内容(主成分分析、因子分析)について復習すること  (2時間)
事後学修 授業で行った演習内容について復習すること  (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】
・回帰分析におけるデータ処理、分析の考え方を理解し、その手法を習得する
・クラスター分析、データ分類におけるデータ処理、分析の考え方を理解し、その手法を習得する
・主成分分析、因子分析を理解し、その手法を習得する

〇修得する資質・能力:創造力【DP-P-4-1】
・ビッグデータの分析の概念と目的を理解し、習得した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 40% 60% 20% 20% 100%
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) 0%
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 60% 60% 20% 20% 100%
その他2(具体的に: 0%
100% 60% 20% 0% 20% 0% 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