基本情報/Basic Information

開講科目名 ／Course	データサイエンス特殊研究（数理データサイエンス－理論と実践）／SPECIAL TOPICS ON DATA SCIENCE : MATHEMATICAL DATA SCIENCE, THEORY AND PRACTICE
ナンバリングコード ／Numbering Code	41-1092
開講所属 ／Course Offered by	国際教養学部言語文化学科／INTERNATIONAL LIBERAL ARTS INTERDISCIPLINARY STUDIES
ターム・学期 ／Term・Semester	2025年度／2025 Academic Year　　秋学期／FALL SEMESTER
曜限 ／Day, Period	月2／Mon 2
開講区分 ／semester offered	秋学期／Fall
単位数 ／Credits	2.0
学年 ／Year	1,2,3,4
主担当教員 ／Main Instructor	和田　一郎
遠隔授業科目 ／Online Course	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
和田　一郎	言語文化学科／INTERDISCIPLINARY STUDIES

授業の目的・内容 ／Course Objectives	本講義では、これからのデータサイエンス社会において必須となるモデルとデータサイエンスの活用についての初歩を学ぶ。具体的には高校「情報」等でのプログラミング未履修者に対して、初歩からのプログラミングをするための基礎知識を習得する。講義ではツールの使い方の基礎を学ぶとともに、演習を行う。ツールはRを使用しインストールから始めるがかなり講義のスピードは速く、また課題も多く出す予定であることから、指定テキストを事前に閲覧し受講を検討すること。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	1.お知らせ、資料配信、課題の提出等はすべてmanabaを利用する。 2.本授業は基本的に対面で実施する。授業内容によってオンライン/オンデマンドで実施することもある。 3. 講義も双方向的で能動的な参加がもとめられる。 4.ハイスピードで進むため講義では取り上げない教科書の部分があるため、自主的に勉強することが求められ、そうしないとついていくのが難しい講義である。 ※初回授業については第１回目授業の前日までにmanabaで提示するので必ず確認すること。 ・大学PCにはRがインストールされているが、PCは持参することを勧める。
事前・事後学修の内容 ／Before After Study	目安：事前学修2時間、事後学修2時間（各回の詳細は「授業計画詳細情報」を確認すること）。
テキスト1 ／Textbooks1	書籍名 ／Title 初心者でもすぐできる　フリー統計ソフトEZR(Easy R)で誰でも簡単統計解析（改訂第2版） 著者 ／Author name 神田善伸 出版社 ／Publisher 南江堂 ISBN ／ISBN 978-4-524-21861-5 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 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN 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	授業中の問題解答50％、学期最後の演習（またはテスト）50％
関連科目 ／Related Subjects	機械学習、人工知能応用、コンピュータと言語、プログラミング論、自然言語処理、コンピュータ構造論
備考 ／Notes	・さまざまにソフト等をダウンロードするのでパソコン持参が望ましい。 ・第１回目から教科書を使用するので、用意しておくこと。
到達目標 ／Learning Goal	「データサイエンス研究科目群」の他科目では触れることが難しい分野や領域について、当該の専門領域にふさわしい研究手法によって分析し、見解を提示できるようにする
DPとの関連 ／Relation to DP	△:幅広い教養 △:専門知識・技能 ○:問題解決力 ○:情報分析力 ○:情報発信力 ○:協働性 ○:主体性 ○:倫理観

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	はじめに/数理データサイエンスとは？ 統計の基礎1	本講義の概要
2	統計解析の基礎2 Rのインストール	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
3	プログラミング1	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
4	プログラミング2	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
5	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
6	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
7	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
8	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
9	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
10	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
11	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
12	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
13	例題演習	講義とハンズオンを行います。	問題の予習 提出した課題の確認・復習
14	まとめ	本講義のまとめを行います。