データの可視化と分析

応用データサイエンス学位プログラム

MADS7080

コース情報

担当教員: 山下 遥

単位数: 2

年度: 2024

学期: 春学期

曜限: 月1

形式: オンデマンド授業

レベル: 500

アクティブラーニング: あり

他学部履修: 不可

評価方法

リアクションペーパー

50%

レポート

50%

その他

単元毎の演習成果や提出課題を総合評価する。

0%

詳細情報

概要

現代社会においてデータサイエンスに関する関心が高まっている。私たちの周りには大量のデータであふれ,そのデータを正しく読み解くことがこれからの時代を生き抜いていくために必要であると考えられる。 データを読み解くためには統計の知識が必要不可欠である。また,多くのデータを読み解くためにはプログラミングを用いた分析が必要となる。さらにそこから知見を得るための解釈も必要となる。本授業では,Pythonを用いたデータ分析に焦点を当て,様々なデータを適切に分析するための基礎知識の学習及び,その分析に関する技能の習得を目標とした授業を展開する。 本授業は上智大学の DP2に該当するスキルを習得するためのものである.

目標

日常や仕事の中で有効に使える基本的なデータ分析技術や知見を身に付ける 様々なデータが与えられた場合に,適切な分析,およびそこからの知識の習得が可能になることを目標とする。

授業外の学習

予習: 1.5時間程度 教材が用意されている場合は,次に行う予定の内容に一通り目を通して,内容と疑問点を把握しておく。 復習: 2時間程度 その日に行った演習内容を復習する。授業時に作成した例題や演習課題から自分一人の力でできるようにしておく。

所要時間: 予習1.5時間, 復習2時間程度.

スケジュール

  1. オリエンテーション(現代社会におけるデータサイエンスとPythonの基礎)
  2. データを読む(平均,分散,偏差値)
  3. データを読む(いろいろなグラフ)
  4. データを読む(時系列データの分析)
  5. データ分析プロジェクト1
  6. 回帰分析1(理論編)
  7. 回帰分析2(分析編)
  8. 非負値行列因子分解法(理論編)
  9. 非負値行列因子分解法(実践編・研究紹介)
  10. データ分析プロジェクト2
  11. サポートベクトルマシン(理論編①)
  12. サポートベクトルマシン(理論編②)
  13. データ分析プロジェクト3
  14. 授業のまとめとこれからのデータサイエンス

教科書

特になし。プレゼンスライドを提示する。

    参考書

    [入力してください]

      © 2025 上智非公式シラバス. All rights reserved.