シラバス

授業の概要と目的

本授業では，データサイエンスの基礎を学び，社会システムにおけるデータ分析の手法と応用について理解を深めることを目的とする．データの収集，前処理，分析，可視化，機械学習などの基本的な技術を習得し，実際の社会システムに適用する能力を養う．

到達目標

データサイエンスの基礎的な知識を理解する．
データの可視化，前処理，回帰分析の基本的な手法を習得し，適用できる．
機械学習の基本的な概念を理解する．
実際のデータを用いて，データ分析を行う能力を身につける．

授業の進め方と方法

講義形式で進める．理解を深めるために，演習を行うこともある．

授業計画

ガイダンス：授業の概要，データサイエンスとは
数学基礎（1）：確率・統計
数学基礎（2）：線形代数
データ（1）：代表値
データ（2）：相関
データ（3）：可視化
前処理：欠損値，外れ値の処理
回帰分析（1）：単回帰分析
回帰分析（2）：モデルの精度
回帰分析（3）：重回帰分析
回帰分析（4）：勾配降下法
機械学習：教師あり学習，教師なし学習，強化学習
プロジェクト演習：グループでのデータ分析演習
プロジェクト発表：発表とフィードバック

授業時間外の学習

【本授業の準備・復習等の授業時間外学習は，4時間を標準とする】

テキスト（教科書）

特になし

参考書

特になし

成績評価の方法と基準

課題（50%），演習（50%）で評価する．

学生の意見等からの気づき

特になし

学生が準備すべき機器他

本講義では，受講者自身のノートPCを用いて演習を行います．毎週必ずノートPCを持参してください．

英語

授業概要（Course outline）:

This course aims to provide students with a foundational understanding of data science and its applications in social systems. Students will learn essential techniques such as data collection, preprocessing, analysis, visualization, and machine learning, and develop the ability to apply these skills to real-world social systems.

到達目標（Learning Objectives）:

By the end of this course, students will be able to: - Understand basic concepts of data science. - Apply fundamental techniques such as data visualization, preprocessing, and regression analysis. - Comprehend basic concepts of machine learning. - Conduct data analysis using real-world datasets.

授業時間外の学習（Learning activities outside of classroom）:

Before/after each class meeting, students will be expected to spend four hours to understand the course content.

成績評価の方法と基準（Grading Criteria/Policy）:

Grading will be decided based on the assignments (50%), and exercises (50%).