データ工学｜シラバス情報

授業コード

520340

オムニバス

科目名

データ工学

科目名（英語）

Data Engineering

配当学年

2年

単位数

2単位

年度学期

2025年度秋学期

曜日時限

集中講義

対象学科

先_データ

コース

科目区分

専門科目

必選の別

選択科目

担当者

秋山　純一

教室

2-375

実務家教員担当授業

授業の目的と進め方

解析の対象となるデータは、種類によって持ちうる特性は様々であり、特性に応じてデータの解析手法を選択する必要がある。本科目では、統計的仮説検定の手順を理解した上で、存在する様々なデータの解析手法を学び、コンピュータ上で実践するための知識と技術を修得する。更に、ベイズ統計学の概要を取り扱い、より多様なデータ解析手法があることを学ぶ。

達成目標１

統計的仮説検定の手順を理解し、t分布などの確率分布に従う検定ができる。【20%】　

達成目標２

カイ2乗検定、回帰分析などの様々な多変量解析の手法を理解し、コンピュータ上でデータを処理できる。【40％】

達成目標３

データの事前分析・解析方法について修得し、目的に応じた分析・解析方法を選択できる。【20%】

達成目標４

乗法定理、ベイズの定理などの、ベイズ統計学の基礎概念を理解し、説明ができる。【20%】

達成目標５

達成目標６

達成目標７

アクティブラーニング

ディスカッション

ディベート

グループワーク

プレゼンテーション

実習

○

フィールドワーク

その他課題解決型学習

授業計画

授業時間外課題（予習および復習を含む）

第１回

ガイダンス
数理統計の復習

数理統計で履修した内容、または高校数学レベルの確率・統計の内容を復習する（予習1時間）。基本統計量、確率変数、確率分布、統計的仮説検定の手順を復習する（復習1時間）。　

第２回

推測統計学の実際①

自由度の概念を定性的に理解しておく（予習1時間）。母数と統計量、正規母集団、不偏性、一致性、有効性、標本平均の不偏性、不偏推定量、標本分散（不偏分散）、自由度について復習する（復習1時間）。

第３回

推測統計学の実際②

正規分布だけではなく、t分布も利用されるようになった背景を調べておく。（予習1時間）。t分布、母比率、標本比率、母比率の推定、母平均の検定（t検定）、母比率の検定について復習する（復習1時間）。　　

第４回

推測統計学の実際③

分散分析の活用事例を思いつく限り挙げておく（予習1時間）。分散分析、グループ間偏差、グループ内偏差、グループ間変動、グループ内変動、F分布、分散分析表について復習する（復習1時間）。

第５回

多変量解析『カイ2乗検定』

カイ2乗検定が活用できる場面を調べておく（予習1時間）。独立性の検定、カイ2乗検定について復習する（復習1時間）。

第６回

多変量解析『単回帰分析』

単回帰分析が活用できる場面を調べておく（予習1時間）。単回帰分析、回帰方程式、目的変量、説明変量、回帰係数、最小2乗法、残差平方和（残差変動）、決定係数について復習する（復習1時間）。

第７回

多変量解析『重回帰分析』

重回帰分析が活用できる場面を調べておく（予習1時間）。重回帰分析、偏回帰係数、分散共分散行列、非線形回帰について復習する（復習1時間）。

第８回

多変量解析『主成分分析』

主成分分析が活用できる場面について調べておく（予習1時間）。主成分分析、寄与率、主成分得点、第2主成分、変量プロット化について復習する（復習1時間）。

第９回

多変量解析『因子分析』

因子分析が活用できる場面について調べておく（予習1時間）。因子分析、共通因子、パス図、因子得点、因子負荷量について復習する（復習1時間）。　　

第10回

多変量解析『共分散構造分析』

共分散構造分析が活用できる場面について調べておく（予習1時間）。共分散構造分析について復習する（復習1時間）。

第11回

多変量解析『判別分析』

判別分析が活用できる場面について調べておく（予習1時間）。判別分析、判別関数、群間偏差、郡内偏差、相関比、判別関数の決定原理について復習する（復習1時間）。

第12回

多変量解析『数量化によるアンケートデータの分析』

数量化の手法について、概念を理解しておく（予習1時間）。数量化について復習する（復習1時間）。

第13回

ベイズ統計学①

確率の用語について整理しておく（予習1時間）。同時確率、条件付き確率、乗法定理、ベイズの定理、原因の確率、結果の確率、事後確率、尤度、事前確率、ベイズ確率について復習する（復習1時間）。

第14回

ベイズ統計学②

ベイズ統計学の活用方法を調べておく（予習1時間）。理由不十分の原則、ベイズ更新、ベイジアンネットワーク、ベイズ分類、ナイーブベイズフィルター、ベイズ統計学について復習する（復習1時間）。

課題等に対するフィードバック

・小テスト：解答後、全て解説を行う。
・授業中提出課題、実習課題：手順を事前に解説する。
・記述課題：内容を事前に講義する。

評価方法と基準

授業中に逐次実施する以下の項目について、総合評価を60％以上で合格（C評価以上）とする。
出席・態度(20%）、授業中提出課題（20%）、実習課題（15%）、小テスト（25%）、記述課題（20%）
期末試験は無いが、進捗により最終回のテストを実施する場合がある。

テキスト

涌井良幸, 涌井貞美 (著)『統計学の図鑑 (まなびのずかん)』技術評論社 (2015年)　ISBN: ‎ 978-4774173313

参考図書

日花弘子 (著)『Excel データ分析の教科書仕事に役立つデータの準備・分析・グラフ化の方法』 SBクリエイティブ（2022年）ISBN:978-4815612337
中原治 (著)『基礎から学ぶ統計学』羊土社（2022年） ISBN:978-4758121217

科目の位置づけ（学習・教育目標との対応）

データサイエンスプログラムにおいて、本科目はデータサイエンス応用科目（選択）である。数理統計（データサイエンス基礎科目・必修）の直系の発展科目として位置づけている。統計検定2級レベルのうち、基礎的な知識と計算を学ぶと共に、コンピュータで統計処理をする応用的な操作を実践する。

履修登録前の準備

・テキスト必携（本年度の数理統計と共通）。講義中の説明において頻繁に図表を参照し、課題の出題範囲としても使用する。
・ノートPC必携（インターネット接続可、Microsoft Office ExcelとTeamsがインストール済）。電源が無い状態で、充分に稼働する状態のバッテリーを推奨する。
・履修の制限は無いが、数理統計（データサイエンスプログラム必修科目）の履修を前提としている。あるいは、高校数学の確率・統計の復習をしておくことが望ましい。