トップページ   »  授業科目(シラバス)検索  »   検索結果   »  授業科目(シラバス)

データサイエンスの基礎

科目名 データサイエンスの基礎
ナンバリング GE_D1_01
担当者 福元 裕二
平田 孝治
武富 和美
吉村 浩美
田中 知恵
高元 宗一郎
牛丸 和人
春原 淑雄
清水 陽香
矢ヶ部 陽一
開設学科
専攻・コース
地域生活支援学科 食健康コース
地域生活支援学科 介護福祉コース
地域生活支援学科 多文化コース
幼児保育学科
分類 共通教育科目 教養科目
関連する
資格・免許
開講キャンパス 開講年次 開設期 単位数 必修・選択
佐賀 1年 後期 2単位 必修
授業の概要
及びねらい
今後のデジタル社会において、数理・データサイエンス・AIを日常の生活、仕事等の場で使いこなすことが出来る基礎的素養を主体的に身に付けること。そして、学修した数理・データサイエンス・AIに関する知識・技能をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意思でAI等の恩恵を享受し、これらを説明し、活用できるようになること。
実務経験に
関連する
授業内容
授業の
到達目標
多様な情報や知識を効果的に活用するために必要な基礎的技術と、問題を発見し解決するための考え方を体験的に身につける。
(1)データサイエンスを学ぶ理由を説明することができる。
(2)自分の興味ある分野におけるデータサイエンスの活用方法を説明することが出来る。
(3)データサイエンスの基本的技術について説明することが出来る。
学習方法 オンラインでの講義とする。講義では内容に応じてグループワークやデータを用いた体験的学習を行う。また、反転学習を行う場合もある。オムニバス形式の授業とする。課題は、ポータルサイトでの提出とする。
テキスト及び
参考書籍
テキスト:特に指定しない。各教員が配布する資料を利用する。
データや動画等のオープンリソースを学習教材に使用する。
参考書籍:「AIリテラシーの教科書」:浅岡伴夫、松田雄馬、中松正樹:東京電機大学出版局
【地域生活支援学科 食健康コース】
到達目標
汎用的能力要素 専門的能力要素
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
合計
1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3)
比率 10   20   10     20 30     10                         100
評価基準・方法 評価
割合
%
定期試験  
小テスト等  
宿題・授業外レポート 80
授業態度 20
受講者の発表  
授業の参加度  
その他                  
 
合計 100
【地域生活支援学科 介護福祉コース】
到達目標
汎用的能力要素 専門的能力要素
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
合計
1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3)
比率 10   20   10     20 30     10                         100
評価基準・方法 評価
割合
%
定期試験  
小テスト等  
宿題・授業外レポート 80
授業態度 20
受講者の発表  
授業の参加度  
その他                  
 
合計 100
【地域生活支援学科 多文化コース】
到達目標
汎用的能力要素 専門的能力要素
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
合計
1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3)
比率 10   20   10     20 30     10                         100
評価基準・方法 評価
割合
%
定期試験  
小テスト等  
宿題・授業外レポート 80
授業態度 20
受講者の発表  
授業の参加度  
その他                  
 
合計 100
【幼児保育学科】
到達目標
汎用的能力要素 保育者としての資質・能力
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
態度・
志向性
知識・
理解
技能・
表現
行動・
経験・
創造的思考力
合計
1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3) 1) 2) 3)
比率 10   20   10     20 30     10                         100
評価基準・方法 評価
割合
%
定期試験  
小テスト等  
宿題・授業外レポート 80
授業態度 20
受講者の発表  
授業の参加度  
その他                  
 
合計 100
(表中の記号 ○評価する観点 ◎評価の際に重視する観点 %評価割合)  
授業計画(学習内容・キーワードのスケジュール)
第1週 事前学習(予習) 「数理」「データサイエンス」「AI」の意味を調べる
授業 データサイエンスの概要(オリエンテーション含む)(福元学長)
事後学習(復習) データサイエンス(AI)に関連する本、記事をWebで探してみる
第2週 事前学習(予習) 自分の身の回りでデータとして取得されていると思われるものを考える。
授業 社会で活用されているデータについて(データ・AIの活用領域)(高元)
事後学習(復習) 日常の生活の中でデータとして活用できるものを考える。
第3週 事前学習(予習) データサイエンスやAIの利活用例を調べてみる。
授業 データ・AI利活用のための技術 データ・AI利活用の現場 データ・AI利活用の最新動向(高元)
事後学習(復習) 自分の興味のある分野で、データサイエンスやAIを活用したら便利だと思うものを考える。
第4週 事前学習(予習) 生命科学とこれに関係するデータサイエンスとのつながりを考えておく。
授業 生命科学とデータサイエンス(AI)(平田先生)
事後学習(復習) 授業内容を振り返り、今後のAI活用を考える。
第5週 事前学習(予習) 栄養の分野でどのようにAIが利活用されているか調べる
授業 栄養とデータサイエンス(AI)(武富先生)
事後学習(復習) 授業内容を振り返り、栄養の分野であったら便利だと思われるAIを活用したツールを考えてみる
第6週 事前学習(予習) 健康に関するデーターにどんなものがあるか調べてみる。
授業 健康とデーターサイエンス(AI)(吉村先生)
事後学習(復習) 自分だったら健康に関するどんなデーターを取り、何を明らかにしてみたいかを考えてみる。
第7週 事前学習(予習) 自然や普段の生活の中に存在するデータや役立つモノづくりをする企業(製造業)を調べる。
授業 化学とデータサイエンス(AI)(田中先生)
事後学習(復習) 授業を振り返り,データサイエンス(AI)の活用と意義を考える。
第8週 事前学習(予習) アート(直感やひらめき)がなぜデータサイエンスに求められるのかについて考えておく。
授業 アート(「直感」や「ひらめき」)とデータサイエンス(牛丸先生)
事後学習(復習) 授業を踏まえて、自分がめざす職業において、どのようなデータを活用して仕事に生かしていきたいのかについて考察する。
第9週 事前学習(予習) 医療や福祉の現場におけるデータなどの根拠に基づく実践例やAIの活用方法について調べる。医療・福祉の実践において、なぜ根拠となるデータが必要なのか、その理由について考えてみる
授業 医療・福祉領域におけるデータ・AIの活用(矢ヶ部先生)
事後学習(復習) これからの医療・福祉の現場においては、AIがどのように活用されていくのか。これからの医療・福祉分野におけるデータサイエンスの活用方法について考察してみる。
第10週 事前学習(予習) 数値で表すことが難しいことばをデータとして扱う方法がないか考えてみる
授業 ことばとデータサイエンス(AI)(春原先生)
事後学習(復習) 授業内容をふまえて、自分が興味を持ったことばを分析してみる
第11週 事前学習(予習) 心理学とデータのつながりを考えてみる
授業 心理学とデータサイエンス(AI)(清水先生)
事後学習(復習) 授業内容をふまえて、自分だったら心に関するどんなデータを取ってみたいか考える
第12週 事前学習(予習) AIサービスを調べ、今一番ホットなAIサービスを挙げる。
授業 データサイエンスの具体的事例(マーケティングAI)(村田先生)
事後学習(復習) 自分の専門領域における困りごとを挙げ、それをAIやデータサイエンスでどう解決するか考える。
第13週 事前学習(予習) 集まったデータの特徴を表す方法について調べる
授業 データサイエンスの基本的技術(高元)
事後学習(復習) 手元のデータを計算してみる。
第14週 事前学習(予習) 大量のデータを扱う際に、気を付けるべきことは何か。また、そのための技術について調べる
授業 データ・AIを扱う上での注意事項(高元)
事後学習(復習) 自分自身の個人情報を守るためには、どのようなことに気を付けないといけないかを考える。
第15週 事前学習(予習) 第1回~14回の内容を振り返り、データサイエンスを人に説明する場合、どのように説明するか考える。
授業 まとめ(高元)
事後学習(復習) 自分の興味のある専門分野でデータサイエンスとして、分析したいものを考えてみる。
※事前・事後学習の時間は、講義科目は各90分、演習・実験・実習科目は各30分を原則とする。
※課題(試験やレポート等)に対するフィードバックを行います。
備考 レポートは、基本的にteamsを利用して提出すること(教員の指示に従うこと)。レポートは、第1回で1回、第2回~第3回で1回、第4回~第11回で1回、第12回で1回、第13回~15回で1回、合計6回を予定。
「生命科学」については、予め内容を把握しておくことが好ましい。
講義の順番は、都合により変更する場合がある。