データサイエンス基礎数理

授業コード

520891

オムニバス

科目名

データサイエンス基礎数理

科目名（英語）

Mathematics for Data Science

配当学年

1年

単位数

2単位

年度学期

2025年度秋学期

曜日時限

月曜1限

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

船越　裕介、北久保　茂

教室

3-323

実務家教員担当授業

担当教員の船越は企業の研究所においてデータ解析の実務経験がある。その経験に基づいた指導を行う。　

授業の目的と進め方

データサイエンスにおいては、実データを解釈、加工、処理、分析する能力が求められ、これらの能力の醸成には数理的思考が必要である。本授業では、データサイエンスに最低限求められる数学について説明し、この数学がなぜデータサイエンスに関わるかを理解することを目的とする。本学のデータサイエンス学科は3つの系に分かれているが、それぞれの系に共通して必要な知識を修得する。

達成目標１

データサイエンスに用いられる簡単な計算の方法・手段を理解し、使いこなせるようになる。【30%】

達成目標２

簡単なデータ処理ができる。【30%】

達成目標３

得られた計算結果やデータの精査ができ、その意味を理解できるようになる。【20%】

達成目標４

どのような状況で数学的知識が求められるか理解できるようになる。【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

データサイエンスで何故数学が必要であるかを事前に調査する（予習1時間）。データサイエンスが実社会にどのように活用されているか、どのような手法が用いられているかを調査し復習する（復習1時間）。　

第２回

順列・組み合わせ、集合・ベン図

テキスト1章、2章の例題と問題を解き、順列、組み合わせ、集合、ベン図について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第３回

確率

テキスト3章の例題と問題を解き、確率について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第４回

代表値

テキスト4章の例題と問題を解き、平均値、中央値、最頻値について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第５回

分散、標準偏差、相関

テキスト5章、6章の例題と問題を解き、分散、標準偏差、共分散、相関係数について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第６回

ベクトルの演算

テキスト7章の例題と問題を解き、ベクトルの演算について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第７回

行列の演算

テキスト8章の例題と問題を解き、行列の演算について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第８回

逆行列

逆行列と固有値、およびその計算方法について調べる（予習2時間）。授業内容を復習し、自分で逆行列が計算できるようにする（復習1時間）。

第９回

多項式関数

テキスト9章の例題と問題を解き、多項式関数について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第10回

指数関数

テキスト10章の例題と問題を解き、指数関数について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第11回

対数関数

テキスト11章の例題と問題を解き、対数関数について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第12回

微分係数

テキスト12章の例題と問題を解き、極限と微分について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第13回

一変数関数の微分法

テキスト13章の例題と問題を解き、一変数関数の微分について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

第14回

一変数関数の積分法

テキスト14章の例題と問題を解き、一変数関数の積分について理解する（予習2時間）。Excelによる演習を行い、内容を復習する（復習1時間）。

課題等に対するフィードバック

事前に予習することを前提とし、授業ではその内容と問題の解説を行うことでフィードバックする。

評価方法と基準

毎週各教員が出す課題（合計100点）で評価する。60点以上を合格とする。

テキスト

「数理・データサイエンス・AIのための数学基礎 Excel演習付き」岡田朋子著　近代科学社　【ISBN-13: 978-4764907171】

参考図書

「データサイエンスのための数学」椎名洋、姫野哲人、保科架風著　清水昌平編　講談社　【ISBN-13: 978-4065169988】

科目の位置づけ（学習・教育目標との対応）

データサイエンス学科の「データアナリシス系」「人工知能系」「システムデザイン系」全てに求められる基礎的な数理知識とデータ解析技術を学習する。

履修登録前の準備

高校で学んだ数学（特に確率・統計）やクォータ科目で学んでいる数学を復習しておくこと。

シラバス情報