Language:

2019年度 データサイエンスPBLⅡ (5014)

授業科目基本情報PDFダウンロード

科目区分 PBL科目 教職科目 指定なし
単位数 1 選択・必修・自由 必修
授業形態 演習 主な使用言語 日本語/英語
開講時期 履修登録システム 使用する
履修登録期間 2019/05/29~2019/06/18 履修取消期限 2019/06/18

教育プログラム別の履修区分

プログラム名 IS CB BS BN MS CP DS
履修区分
コア科目
履修方法 ・PBL科目から2単位履修すること。
・「データサイエンスプログラム」を選択した学生対象の授業である。

授業科目概要

担当責任教員 森 浩禎
担当教員 中村哲、須藤克仁、森浩禎、武藤愛、小野直亮、畑中美穂、宮尾知幸
教育目的/学修到達目標 物質科学と情報科学の融合領域におけるデータサイエンスの応用を身につけるために、最新の研究にもとづく実際のデータを用いた実習形式の学習により、ビッグデータの処理、可視化、統計解析、機械学習などの分析を行う。その過程を通じて、データの奥に隠れた法則やダイナミクスを理解する視点を身につけることで、次世代の科学・技術の進歩や社会の発展に貢献できる能力を涵養することを目標とする。
授業概要/指導方針 専門の異なる研究者・技術者と協力し、データサイエンスのスキルをさまざまな分野の開拓に役立てるようにすること目標に、融合領域での研究データをテーマとし、異分野間でのコミュニケーションとディスカッションを奨励する。解析結果の評価や解釈の仕方をお互いに議論することで、幅広い視点から考察する能力を深める。

クラス情報



表示可能なデータがありません。

授業計画

[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]
回数 日付 [時間] 担当教員 テーマ 内容
1 課題説明
物質科学領域におけるデータサイエンスの応用方法を身につけるため、実習で用いる実際的なデータの内容と背景について、また、実習で利用する統計解析手法とその環境についての紹介を行う。
2 研究計画 異分野融合チームを作り、演習課題への取り組みを議論する。物質科学の実際のデータを用い、データサイエンス的観点からの問題の切り口についての理解を深めため、それぞれの分野からの意見を出し合う。
3 データ解析 マテリアルサイエンスにおいて急速に必要性を増しているデータサイエンスの考え方と方法論について、実際の実験データを対象にして、基礎的な解析の手法を実際に適用し、それぞれの利点や実用的な問題点について学ぶ。
4 グループ討論 データ解析の基本的な手法を適用した結果について検証し、内容を整理してグループごとに概要を発表する。解析方法、結果の評価基準などについてのディスカッションを行う。
5 発展的手法 グループ発表でディスカッションした内容をもとに、さらに詳細なデータ解析を行うための手法の獲得を目標に、より発展的なデータサイエンスの手法について学ぶ。
6 開発、実装 課題データ、あるいはオリジナルの研究データをもとに、データ解析のアルゴリズムを実装する。
7 評価、検証 実際のデータをもとにしたデータ分析を行い、その結果について議論、検証、および考察を行う。
8 レポート作成、提出 各課題について、データの背景、解析手法の説明、および得られた結果についての考察を、論理的にわかりやすく読めるように整理し、レポートの形にまとめ、提出する。

授業日程

[1限目 9:20-10:50] [2限目 11:00-12:30] [3限目 13:30-15:00] [4限目 15:10-16:40] [5限目 16:50-18:20] [6限目 18:30-20:00]


表示可能なデータがありません。

テキスト・参考書

テキスト 必要な資料は、講義前に電子データとして配布する。
参考書 特になし

その他

履修条件 データサイエンス序論、データサイエンス論、データサイエンスPBL Ⅰを履修していることが望ましい。
オフィスアワー Eメールで連絡の上、日時を決める
成績評価の方法と基準 ・合否で評価する。
・課題発表内容とレポートにより評価する。
関連科目 データサイエンスPBL Ⅰ
関連学位 理学、工学、物質科学
注意事項 特になし

授業関連URL

内容
詳細情報

配布資料



表示可能なデータがありません。