基本情報/Basic Information

開講科目名 ／Course	特殊講義a(データサイエンス入門a)／SPECIAL LECTURE A (INTRODUCTION TO DATA SCIENCE A)
開講所属 ／Course Offered by	経済学部／ECONOMICS
ターム・学期 ／Term・Semester	2023年度／2023 Academic Year　　春学期／SPRING SEMESTER
曜限 ／Day, Period	金3／Fri 3
開講区分 ／semester offered	春学期／Spring
単位数 ／Credits	2.0
学年 ／Year	1,2,3,4
主担当教員 ／Main Instructor	横塚　志行

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
横塚　志行	経営学科／MANAGEMENT

授業の目的・内容 ／Course Objectives	データサイエンスは、データを分析して問題を解決するためのアプローチです。近年企業では経営上の重要な判断において、経験と勘ではなく具体的なエビデンスで判断を下すことが非常に重要になってきている。また、その判断の材料となる大量データが比較的簡単に手に入れる環境が整ってきた。本講義ではその具体的にデータを扱いデータ分析するための基礎を学ぶ。まず、データサイエンスの歴史を振り返り、データサイエンスで注意すべき倫理面、プライバシー面をはじめに学ぶ。つぎに、1年時に学習した基礎的な数学および記述統計がを復習し、データサイエンスのキーとなる推測統計学を学ぶ。その際、一方的な講義ではなく、すでに親しみをもっているであろうエクセルを使った演習を多く実施する。また、秋学期においては実践的なデータの日本の政府統計ポータルサイトにあるe-Statにあるデータを利用して演習を実施する。その際、事前にデータ分析の進め方を学ぶ。 前述したように、現在、データサイエンスはどの企業でも非常に重要視されており、本講義を受講しデータサイエンスの基礎を習得することにより、社会に出ても臆することなくデータサイエンスプロジェクトにチャレンジできるでしょう。 なお、本講義は経営学科の学位授与方針（DP）に基づきコンピュータで処理される情報の原理および情報を扱う人間社会に必要となる情報技術の促進に努める。また、カリキュラム･ポリシー(CP)らみると、情報系の学科専門科目として、情報技術に関する専門的知識の提供を行うとともに、将来に実務経験にも有益な内容とするように配慮する予定である。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	初回講義において、学習する内容、講義の進め方、成績の評価方法を説明する。 また、対面授業を原則とするが、変更がある場合は別途連絡する。 本講義は、以下の前提を想定している。 ・PCを操作しながら授業を進めることがあるので、自分が所有するPCを持参しPCの操作(エクセル)ができることこと ・特殊講義である秋学期の特殊講義b(データサイエンス入門b)とのセットの学習を想定しており、データサイエンスに関する知識とデータ分析手法の基礎を習得できる。したがって、是非データサイエンス入門入門abを併せて受講してほしい。 ・受講対象を１～4年としているが、高校2年次程度の基礎的な数学や統計を理解していることを前提としており、大学1年時の必須科目である経済経営数学入門／統計学入門を受講した大学2学年次以降の履修が適切である。 なお、授業内の課題提示と小テストを行った場合、次回以降の授業においてその内容をフィードバックする予定である。
事前・事後学修の内容 ／Before After Study	事前事後の学習時間は合計４時間である。 講義参加者は、事前学習として事前提示予定のレジュメを事前に読んでおいてほしい（２時間）。 事後学習は、授業ノートなどを目を通し内容を理解を促進してほしい（１時間）。 上記以外にも、データサイエンスに関する記事等を日常的に入手しておき当該分野の動きを把握してほしい(1時間)。
テキスト1 ／Textbooks1	書籍名 ／Title 教科書は特に指定しない。 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title プレステップ統計学Ⅱ 著者 ／Author name 稲葉由之 出版社/URL ／Publisher 弘文堂 ISBN ／ISBN 4335000871 その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	期末テストを実施せず、授業内の課題提示と小テストで評価する。 なお、評価比率は、課題提示(20%程度)と小テスト(80%程度)と想定している。
関連科目 ／Related Subjects	特殊講義a(AI入門） 特殊講義b(AI入門） 特殊講義b(データサイエンス入門b）
備考 ／Notes
到達目標 ／Learning Goal	経済・経営・環境分野の現場で活躍する人々の講演を通じて、それらの現場の実態および今後の展望等について理解・分析し、見解を提示できるようにする。

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	講義の進め方 データサイエンスの役割	講義の進め方を説明する データサイエンスの現状およびその役割を学ぶ
2	データサイエンスに関わる情報倫理	データサイエンスに関わる倫理面、プライバシーの問題について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
3	データサイエンスに関わる情報倫理および歴史	データサイエンスに関わる倫理面、プライバシーの問題、歴史について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
4	ヒストグラム、平均、分散、標準偏差	ヒストグラム、平均、分散、標準偏差を学ぶ	事前：レジュメの一読 事後：講義ノートの確認
5	2変数の相関（散布図、相関係数）	2変数の相関（散布図、相関係数）を学ぶ	事前：レジュメの一読 事後：講義ノートの確認
6	標本と母集団	標本と母集団について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
7	確率変数	確率変数（平均、分散、標準化、同時分布）について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
8	様々な分布	ベルヌイ分布、二項分布について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
9	様々な分布	正規分布、幾何分布等について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
10	大数の法則、中心極限定理	大数の法則、中心極限定理について学び正規分布の重要性を勉強する	事前：レジュメの一読 事後：講義ノートの確認
11	推定量	標本平均、不変分散について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
12	標本平均の分布	ｔ分布、カイ二乗分布、Ｆ分布について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
13	不偏分散の分布	区間推定（カイ二乗分布、F分布）について学ぶ	事前：レジュメの一読 事後：講義ノートの確認
14	区間推定	区間推定（ベルヌイ）について学ぶ	事前：レジュメの一読 事後：講義ノートの確認