授業情報/Course information

開講学期/Course Start 2023年度/Academic Year   後期/Second
開講曜限/Class period 金/Fri 1 , 金/Fri 2
授業区分/Regular or Intensive 週間授業
対象学科/Department 創造工学科
対象学年/Year 1年 , 2年 , 3年 , 4年
授業科目区分/Category 教育課程 創造工学科
必修・選択/Mandatory or Elective 必修
授業方法/Lecture or Seminar 講義科目
授業科目名/Course Title データサイエンス入門(Bクラス)/Introduction to Data Science
単位数/Number of Credits 2
担当教員名/Lecturer 倉重 健太郎 (システム理化学科数理情報システムコース) , 有村 幹治 (創造工学科建築土木工学コース) , 花島 直彦 (創造工学科機械ロボット工学コース) , 岡田 吉史 (システム理化学科数理情報システムコース) , 岸上 順一 (その他) , 青栁 学 (創造工学科電気電子工学コース) , 桃野 直樹 (システム理化学科物理物質システムコース) , 大平 勇一 (システム理化学科化学生物システムコース)
時間割コード/Registration Code J2043
連絡先/Contact 倉重 健太郎(教員室:R302, kentarou[at]muroran-it.ac.jp)
有村 幹治(e-mail: arimura@mmm.muroran-it.ac.jp)
花島 直彦(教員室: B-312,hana@muroran-it.ac.jp)
岡田 吉史(教員室:V611
okada@muroran-it.ac.jp)
岸上 順一(jay@mmm.muroran-it.ac.jp V514 0143-46-5423)
青栁 学(居室 E305-1 Email:  maoyagi@muroran-it.ac.jp)
桃野 直樹(教育・研究2号館Q206室(内線5656))
大平 勇一(ohira@mmm.muroran-it.ac.jp)
オフィスアワー/Office hours 倉重 健太郎(水曜日 16:30-17:00)
有村 幹治(特に指定しない。)
花島 直彦(金曜日8,9時限(ただし,会議などで不在の場合あり).これ以外の時間も在室時は対応可能.)
岡田 吉史(木曜日 16:00-17:00 (V611室))
岸上 順一(1000-1200 every Wednesday)
青栁 学(E305-1,  水10:30-12:00, 木14:30-16:00)
桃野 直樹(金曜日:16時~18時(この他、月・火・水:12時~13時で在室していればOK))
大平 勇一(Tue.10:30-12:00)
実務経験/Work experience
有村 幹治(総合建設コンサルタント会社において研究開発業務に携わった在職経験を有する)


岸上 順一(通信事業を扱う企業での研究開発経験を有する)


更新日/Date of renewal 2023/08/10
授業のねらい
/Learning Objectives
幅広い知識と思考力を必要とするデータサイエンスを基礎から学び、その後それぞれの分野でどのように情報学が使われているかを体験的に理解することにより,社会で求められる情報技術を駆使した考え方,対応力などを身につけることを目指します。
到達度目標
/Outcomes Measured By:
1 基本的な情報学の知識と簡単な応用力を身につける
2 工学の様々な場面における情報学の使い方を理解する
3 分析手法の様々な適用範囲を理解できる
授業計画
/Course Schedule
2単位(45 分/60 分)×2時限×15回=22.5時間
第1回:データサイエンス概論1(担当:岸上順一)
第2回:データサイエンス概論2(担当:岸上順一)
第3回:統計処理の基礎1(担当:倉重健太郎)
第4回:統計処理の基礎2(担当:倉重健太郎)
第5回:データサイエンスの手法1(担当:岡田吉史)
第6回:データサイエンスの手法2(担当:岡田吉史)
第7回:データサイエンスの手法3(担当:岡田吉史)
第8回:データサイエンスの手法4(担当:倉重健太郎)
第9回:情報学の基本に関する演習(担当:倉重健太郎,岡田吉史)
第10回:物理と情報学(担当:桃野直樹)
第11回:機械工学と情報学(担当:花島直彦)
第12回:建築・土木学と情報学(担当:有村幹治)
第13回:応用化学,バイオと情報学(担当:大平勇一)
第14回:電気電子学と情報学(担当:青柳学)
第15回:リベラルアーツと情報学(担当:岸上順一)

各回の学修時間の目安は、事前・事後合わせて4時間必要です。

授業時間前にmoodleにアップする資料を予め理解した上で授業に参加すること。
また授業終了後理解できなかったところなどは教科書ならびに資料を用いて復習すること。
教科書
/Required Text
データサイエンス入門 学術図書出版社(ISBN無し)
教科書・参考書に関する備考 教科書は生協で取り扱いますので,各自手に入れて下さい。
参考書などは適宜提示します。
成績評価方法
/Grading Guidelines
到達目標1,3に関しては考え方を問う演習課題で40%の評価をします.到達目標2に関しては各専門家が担当する授業でのレポートをベースに合計で60%の評価をします.合計で60%以上を合格とします。
履修上の注意
/Notices
前半の基礎科目の授業(第1回~第8回)では,出席を評価の対象としませんが,第9回の情報学の基本に関する演習では課題を課すことで、しっかりとした理解を求めます.また各専門の先生の講義(第10回~第15回)ではレポートが出ますので,出席していないと評価の対象になりません。

また,後半の各専門の先生による講義は4クラスが予定されているため,シラバスの順番どおりに実施されない場合があることに注意してください。

moodleを多用しますので,頻繁にチェックするようにしてください.休講,補講などの連絡もすべてmoodleで行います。
特に第1回目のための情報もmoodleにて示しますので,「必ず後期授業が開始する前」にmoodle上の情報を確認しておいてください.

不合格者は再履修とします。
教員メッセージ
/Message from Lecturer
新しい分野です。できるだけ自分で調べられるところは予習してくることを期待しています。
学習・教育目標との対応
/Learning and Educational Policy
学生便覧「学習目標と授業科目との関係表」参照
関連科目
/Related course
情報セキュリティ入門,現代情報学概論
実務経験のある教員による授業科目
/Course by professor with work experience
1.関連した実務経験を有している教員が担当する科目
備考
/Notes
本科目は,文部科学省による数理・データサイエンス・AI教育プログラム認定制度(リテラシーレベル)の認定に基づく,数理データサイエンス教育プログラムの教育科目として実施されます。データサイエンス科目群に含まれ,科学・工学におけるデータを中心とした情報学的アプローチを学ぶます。プログラム内容については,学生便覧の数理データサイエンス教育プログラムを参照してください。
DSポイント:2ポイント
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません
Active learning 1-1
/主体的学修(反転授業,小テスト,振り返り 等)
情報学の基礎を確認するための演習課題を実施する。
Active learning 1-2
/上記項目に係るALの度合い
15%未満
Active learning 2-1
/対話的学修(グループ学習,協働,調査体験 等)
情報学と他の学問分野との係りについて調査する。
Active learning 2-2
/上記項目に係るALの度合い
15%~50%
Active learning 3-1
/深い学修(複数科目の知識の総合化や問題解決型学修 等)
Active learning 3-2
/上記項目に係るALの度合い
該当なし