データサイエンスＡ｜シラバス情報

科目授業名称（和文）　Name of the subject/class (in Japanese)

データサイエンスＡ

科目授業名称（英文）　Name of the subject/class (in English)

Data Science Ａ

授業コード　Class code

99215A0

科目番号　Course number

21MAPTS307

教員名

吉澤　敦子、下川　朝有

Instructor

Asanao Shimokawa, Atsuko Yoshizawa

開講年度学期

2025年度後期

Year

2025年度

Semester

②Second semester

曜日時限

火曜5限

Class hours

Tuesday 5th Period

開講学科・専攻　Department

理学部第二部　数学科

Department of Mathematics, Faculty of Science Division Ⅱ

単位数　Course credit

2.0単位

授業の方法　Teaching method

演習

Seminar

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

① [対面]対面授業/ [On-site] On-site class

概要　Description

データサイエンス，特に機械学習をソフト(Python) を通して学習する．

目的　Objectives

データのまとめ方，視覚化，基本的なデータ解析，回帰分析，クラスタリング，決定木などについて理解・実装できるようになる．

到達目標　Outcomes

基本的な機械学習法を理解し、Python を用いてそれらを実装できるようになる。

卒業認定・学位授与の方針との関係（学部科目のみ）

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/

履修上の注意　Course notes prerequisites

データサイエンス入門の内容が理解されていることを前提にする。

アクティブ・ラーニング科目　Teaching type（Active Learning）

課題に対する作文　Essay／実習　Practical learning

-

準備学習・復習　Preparation and review

各回の講義内容を4時間程度復習し，演習問題を解けるようにすること．

成績評価方法　Performance grading policy

毎回行う演習課題を評価する．

学修成果の評価　Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

N

書誌情報　Bibliographic information

-

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
https://gomykits.kinokuniya.co.jp/tokyorika/

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

講義内で配布する資料あり。

授業計画　Class plan

授業は対面で実施する。

1
ガイダンス

2
課題の設定とデータ、機械学習

3
データ表現、探索的データ解析

4
データの加工、k-nn、ホールドアウト

5
映画データ、欠損値１、質的特徴、スケーリング

6
単回帰、重回帰

7
モデルの評価方法〜回帰〜、〜２クラス分類〜

8
リッジ回帰、交差検証、モデル構造の選択

9
ロジスティック回帰、ROC・AUC

10
銀行データ、ナイーブベイズ

11
木構造、回帰木

12
分類木

13
アンサンブル学習、ランダムフォレスト

14
ニューラルネットワーク

15
最終課題

担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor

-

教育用ソフトウェア　Educational software

-

Python

備考　Remarks

Python と呼ばれるソフトウェアを利用したプログラミング中心の授業となります。
状況に応じて方針を変更・更新する場合があります。

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class

Y

授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class

N