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
- データサイエンスにおける基本概念を理解し，説明できる．
- データの前処理，可視化，回帰分析の基本的な手法を適用できる．
- 実データを分析し，得られた結果を解釈できる．
- 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
講義と演習を組み合わせて進める．また，最後の授業では，グループでデータ分析プロジェクトに取り組み，その成果を発表する．
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を用いて演習を行う．毎週必ずノートPCを持参すること．
受講上の注意
- 講義中の私語は厳禁である．
英語
授業概要（Course Outline）
This course introduces the fundamentals of data science and their application to problems involving social systems. Students will acquire basic techniques for data preprocessing, analysis, visualization, and machine learning, and develop the ability to apply them to real-world problems.
到達目標（Learning Objectives）
By the end of this course, students will be able to:
- Explain the fundamental concepts of data science.
- Apply basic techniques for data preprocessing, visualization, and regression analysis.
- Explain the fundamental concepts and major approaches of machine learning.
- Analyze real-world datasets and interpret the results.
授業時間外の学習（Learning Activities Outside the Classroom）
Students are expected to spend approximately four hours per class on preparation and review.
成績評価の方法と基準（Grading Criteria/Policy）
Grades will be based on assignments (50%) and in-class exercises (50%).