データサイエンス概論

Principle of Data Science

9991061

91FIFDS103

植松　幸生、諸橋　賢吾、七野　成之、田畑　耕治

Kouji Tahata, Yukio Uematsu, Kengo Morohashi, Shigeyuki Shichino

2026年度後期

2026年度

②Second semester

月曜1限

Monday 1st Period

創域情報学部　情報理工学科

Department of Information Science and Technology, Faculty of Information Science and Technology

2.0単位

講義

Lecture

-

③ [遠隔]ハイフレックス型授業/ [Remote] Hybrid-Flexible format (may include less than 50% classes held on-site)

本講義は，創域情報学部情報理工学科1年後期に配置される導入科目である．
本学科におけるデータサイエンス教育の全体像を俯瞰し，
・統計科学から見るデータサイエンス
・計算機科学から見るデータサイエンス
・生命科学・実験科学から見るデータサイエンス
という複数分野の視点を通して，データサイエンスの学際性と実践性を理解することを目的とする．特に，本科目は並行して開講される「計測実験」と連動しており，実験によりデータを取得することの意義，およびデータ解析の重要性を理論的に補完する役割を担う．

本学科のディプロマ・ポリシー「２．情報学分野に応じた基礎学力と、その上に立つ専門知識。」に該する科目である．
本講義は，創域情報学部情報理工学科におけるデータサイエンス教育の導入科目として，データサイエンスを多角的に理解することを目的とする．
具体的には，
・統計科学の観点から見るデータサイエンスの理論的基盤
・コンピュータ科学の観点から見るAI・大規模言語モデル等の技術的発展
・生命科学・実験科学の観点から見るデータ取得と解析の実践
を通じて，データサイエンスが単一分野ではなく，複数分野の融合によって成立する学問領域であることを理解させる．また，並行して開講される「計測実験」との連携により，実験によるデータ取得の意義と，その解析の重要性を理論的に補完することを目的とする．

本講義の履修を通して，学生は以下を達成することを目標とする．
1．データサイエンスを統計学，コンピュータ科学，生命科学の各観点から説明できる．
2．データの取得，整理，解析という一連の流れを概念的に理解できる．
3．大規模言語モデル（LLM）を含む現代AI技術とデータサイエンスの関係を説明できる．
4．実験により得られるデータの特性（ばらつき，不確実性，測定誤差など）を理解できる．
5．分野横断的視点からデータ活用の意義と課題を考察できる．
6．東京理科大学におけるデータサイエンス教育・研究の方向性を理解できる．

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/​​​

特になし．

-

-

毎回2〜3時間程度の授業外学修を行うこと．事前に配布資料を読み，関連する基礎事項を確認する．講義後は内容を整理し，LETUS課題および関連科目「計測実験」と関連付けて復習すること．

各担当ごとに100点満点で採点を行い，授業回数に応じた重みをつけて総合的な評価を行う．
（例：100 * (2/15) + 100 * (2/15) + 100 * (5/15) + 100 * (6/15) = 100）

・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

N

-

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/

1 東京理科大学におけるデータサイエンス
2 統計科学から見るデータサイエンスの現在
3 コンピュータ科学から見るデータサイエンスの現在
4 実際のデータから学ぶデータサイエンス
5 生物とデータサイエンス(1)：生物学においてデータサイエンスを必須とした”すべてを網羅的にとらえる”オミクス解析
6 生物とデータサイエンス(2) : 細胞とゲノム
7 生物とデータサイエンス(3) : DNA,RNA,タンパク質
8 生物とデータサイエンス(4) : 生物ゲノムのサイズと遺伝子地図など
9 生物とデータサイエンス(5) : DNA/RNAオミクス解析を支える測定技術の発展
10 生物とデータサイエンス(6) : DNA/RNAオミクス解析の実例 ショットガン法による全ゲノム解析とゲノムワイド解析技術など
11 生物とデータサイエンス(7) :　 DNA/RNAオミクス解析を支えるデータベース・情報処理インフラの発展と創薬への応用
12 生物とデータサイエンス(8): 植物とゲノム編集、スマート農業
13 生物とデータサイエンス(9) : 生物学の”1細胞生物学・ビッグデータ”時代への転換
14 生物とデータサイエンス(10): 生物学における空間解析とデータサイエンス
15 総括・到達度評価またはレポート課題

-

-

-

Y

N