| |
授業回
|
内容
|
|
1.
|
データサイエンス学 (担当:清木 康) データサイエンス学を形成する主要3基軸を規定し、それら3基軸を対象とする技術、知識、方法論について解説する。(1)「データサイエンス技術」:先端的システム構築を実現するデータサイエンス技術。(2)「データサイエンス応用」:多様な応用分野の設計を実現するデータサイエンス応用技術。(3)「ソーシャルイノベーション」:それらの先端技術・応用を対象とし、環境システム、社会システムを実現する方法論。
|
|
2.
|
学際的データサイエンスと社会実装 (担当:石橋 直樹) 近年、社会の変動にともなってデータサイエンスへの要求は高まっている。本講義では、主にデータベース技術を中心として、データサイエンス技術を社会へ応用した事例を紹介する。特に、心理学、環境学、人文社会学、芸術学などの分野を事例としてとりあげ、社会の要求に応じた学際的知見からの技術の設計・実現・応用、ならびに、これらを通じたデータサイエンスにおける社会実装について述べる。
|
|
3.
|
データにおける物事の比較手法(1)(担当:中西 崇文) 本講義では、「Space」と「Metrics」という概念を導入した上で、その世界を表現する「ベクトル」について深掘りする。さらにベクトルによって物事を比較する「Metrics」である「norm」、「distance」、「inner product」を導入し、これらをデータサイエンスでどのように応用していくかについて述べ、Pythonを用いた実際のプログラムにて、これらの実例を体験する。 (各自でGoogle Colaboratory(Pythonを動作させる環境)を事前に準備しておくこと。方法については授業資料に記載する。)
|
|
4.
|
データにおける物事の比較手法(2) (担当:中西 崇文) 「データにおける物事の比較手法(1)」でのグループワークの結果について、グループごとにプレゼンテーションを行う。 データ・アルゴリズムに潜むバイアスとそれを取り除く方法について理解を深める。
|
|
5.
|
Social Innovation and Design Thinking (1) (Thatsanee Charoenporn) Participants will be instructed to undertake self-research to understand social innovation. The concept, process, and its relevant components with current examples will be the issues for discussion. Social entrepreneurs, who are organizations that develop, fund, and implement solutions to society, will also be introduced to discuss further profoundly.
|
|
6.
|
Social Innovation and Design Thinking (2) (Thatsanee Charoenporn) The concept of Design Thinking will be introduced with group practice. The participants will design their venture using Empathy, Problem Define, Ideate, Prototype, Test, and Implementation.
|
|
7.
|
データサイエンスと環境(1)(担当:佐々木 史織) 本講義では、データサイエンス技術を活用した環境測定、環境観測、環境分析手法について紹介し、環境データ分析や環境政策立案に対する科学的な見方や考え方を解説する。 第1回では、環境データ分析や環境政策立案の基礎となる、環境経済モデルについて紹介、解説する。
|
|
8.
|
データサイエンスと環境(2)(担当:佐々木 史織) 本講義では、データサイエンス技術を活用した環境測定、環境観測、環境分析手法について紹介し、環境データ分析や環境政策立案に対する科学的な見方や考え方を解説する。 第2回では、環境センシング技術や地理情報システムを応用した環境データ分析の事例について紹介、解説する。
|
|
9.
|
データサイエンスとビジネス(1)(担当:福原 義久) 本講義では、ビジネスシーンにおけるデータサイエンスの活用事例とそのインパクトについていくつかの事例を紹介しながら考察します。 技術変革はIT企業だけのものではなく、どのような産業であっても活用できる時代が来ています。こういった現状をふまえ、我々の経済活動がどのような影響を受け、今後どのように変化していくのかを考察します。
|
|
10.
|
データサイエンスとビジネス(2)(担当:福原 義久) 本講義では、ビジネスシーンにおけるデータサイエンスの活用事例とそのインパクトについていくつかの事例を紹介しながら考察します。 技術変革はIT企業だけのものではなく、どのような産業であっても活用できる時代が来ています。こういった現状をふまえ、我々の経済活動がどのような影響を受け、今後どのように変化していくのかを考察します。
|
|
11.
|
データサイエンスと教育(1)(担当:林 康弘、浦木麻子) 本講義はサイバー・フィジカルシステムの応用例として教育分野を設定し、それを活用した学習支援方式と実現方法について取り扱う。 第1回では、これまでの国内外における教育のIT化とICT教育の現状、LMS(Learning Management System)により取得される学習履歴DBから学習者の学習状況について解説する。
|
|
12.
|
データサイエンスと教育(2)(担当:林 康弘、浦木麻子)) 本講義はサイバー・フィジカルシステムの応用例として教育分野を設定し、それを活用した学習支援方式と実現方法について取り扱う。 第2回では、コロナ禍で拡がったオンライン授業の可能性、サイバー・フィジカルシステムの概念と要素技術、その活用として学習者・モノ・環境の状況把握による新たな学習環境デザインの方法について解説する。また、学習環境で用いられるデータの意味・データと実空間との関連性・データと時間の関連性・当該分野の今後の展望等について解説する。
|
|
13.
|
データサイエンスと統計学(1)(担当:長谷川 理) 本講義では,ここまでの講義内容を踏まえ,今後の実践的な取り組みに繋げるため,データ分析の基礎となる統計学の理論や基本的な解析手法を紹介する。 第1回では,下記について解説する。 ・データの表現・分類 ・データ系統図 ・記述統計学 ・データをわかりやすく可視化する方法や技法 ・目的に合致した,わかりやすいデータ表現方法
|
|
14.
|
データサイエンスと統計学(2)(担当:長谷川 理) 本講義では,ここまでの講義内容を踏まえ,今後の実践的な取り組みに繋げるため,データ分析の基礎となる統計学の理論や基本的な解析手法を紹介する。 第2回では,下記について解説する。 ・推測統計学 ・標本調査 ・相関と因果 ・関係性,相関関係を求める ・因果関係と相関関係の違い ・相関関係があり,因果関係があるもの,相関関係があるが因果関係は認められない例
|
|