授業科目の概要
科目名称		実践データ解析学
講義題目		実践データ解析学 Advanced Data Analysis
科目ナンバリング・コード
担当教員		谷口　寿俊
更新日付		2024-03-26 19:12:58.156
授業科目区分		高等専門科目
学部カテゴリ		工学府
使用言語		英語及び日本語を併用（E/J）
対象学部等		土木工学専攻
対象学年		M1・M2
必修選択		選択
単位数		2
開講年度		2024
開講学期		春学期
曜日時限		春学期 水曜日 １時限 春学期 水曜日 ２時限
教室		-
開講地区		伊都地区
授業科目に関する特筆事項		本科目は「大学院連携科目」です． 受講前にMoodleのアナウンスメントを必ず確認してください． This course is "Graduate & Undergraduate Collaborative Subject". Please check the announcement on Moodle before taking this course. https://moodle.s.kyushu-u.ac.jp/course/view.php?id=56525

授業科目の目的・目標・履修条件について
授業科目の目的（日本語）		主に研究活動で必要となる統計や数値解析等のデータ解析を実践的に学ぶ．
授業科目の目的（英語）		Practical study of data analysis such as statistics, numerical analysis, etc., which are mainly required in research.
キーワード		Python，画像処理，統計，数値解析 Numerical Analysis, Statistics, Image Processing, Python
履修条件		演習に必要なPCを用意できること． Prepare the PC for the exercise.
※ 学位プログラムの学修目標 授業科目の到達目標（評価の観点） 主 - Pythonを使用してデータ解析を実践的に学ぶ - Pythonを利用してデータの可視化や解析結果の表現について学ぶ． - Learn practical data analysis on Python environments. - Learn about visualization of data and representation of analysis results on Python environments.  - 数値統計情報や地理空間情報等の各種オープンデータ，データセットを活用できる． - データの特徴や意味を定量的に把握し解釈できるようになる． - Learn how to use open data and datasets such as numerical statistics and geospatial information. - To be able to understand and interpret the characteristics and meaning of data quantitatively.  従
※学修目標と授業科目の結びつきの強さ
カリキュラム・マップ
ルーブリック
授業科目の実施方法について
授業の方法		講義 演習
教授・学習法		一方向性の知識伝達型の教授・学習法
遠隔授業		遠隔授業の形で実施する
Moodleコース情報		コース設定あり Moodleトップ画面（https://moodle.s.kyushu-u.ac.jp/course/index.php）
使用する教材		スライド資料 映像・音声資料(字幕なし)
教材の配布方法		Moodle/B QUBE
テキスト
授業計画		授業計画は予定であり、学びの進捗に合わせて変更することがあります。 1単位あたりの学修時間（45時間）の内訳（目安） （講義・演習の場合）授業内学修15時間、事前・事後学修30時間 （実験、実習および実技の場合）授業内学修30～45時間、事前・事後学修0～15時間
授業のテーマ 授業の内容（90分授業＝2時間） 事前/事後学修の内容 1 環境構築 Build environment  Python環境の構築，Pythonの基本操作など Build Python environments, basic operation of Python  授業動画の確認 Check Video Class.  2 教師なし学習の基礎１ Fundamentals of Unsupervised Learning 1  クラスター分析，非階層型クラスタリング，階層型クラスタリング Cluster Analysis, Non-hierarchical clustering, Hierarchical clustering  授業動画の確認 Check Video Class.  3 教師なし学習の基礎２ Fundamentals of Unsupervised Learning 2  様々なクラスター分析，次元削減 Various Cluster Analysis, Dimension Reduction  授業動画の確認 Check Video Class.  4 教師あり学習の基礎１ Fundamentals of Supervised Learning 1  回帰分析，単回帰，重回帰 Regression Analysis, Simple and Multiple regression  授業動画の確認 Check Video Class.  5 教師あり学習の基礎２ Fundamentals of Supervised Learning 2  回帰分析，決定木系回帰 Regression Analysis, Decision tree regression  授業動画の確認 Check Video Class.  6 教師あり学習の基礎３ Fundamentals of Supervised Learning 3  分類 Classification  授業動画の確認 Check Video Class.  7 最終試験 Final Exam  最終試験の実施 Final Examination.  授業動画の確認 Check Video Class.
授業科目の成績評価の方法について
定期試験		最終試験: 25% Final exam: 25%
小テスト		演習課題（全6回）: 75% Exercises (total of 6): 75%
レポート		なし． None.
発表		なし． None.
出席		出席は取りません． No attendance is taken.
授業科目に関する学習相談について
担当教員による学習相談		メールなどで随時対応． Correspondence by e-mail, etc. as needed. room: W2-1127 Email: taniguchi@doc.kyushu-u.ac.jp
合理的配慮について		障害(難病・慢性疾患含む)があり、通常の方法による授業を受けることが困難な場合には、教育目的の本質的な変更など過重な負担を伴わない限り、合理的配慮を受けることができます。合理的配慮とは、教授・学習法の変更、成績評価の方法の変更、授業情報の保障(資料の字幕化、個別の資料配布、録音・撮影の許可)、受講環境の調整などを指します。実際の方法については担当教員と建設的対話を行った上で決定されます。 ＜相談窓口＞ キャンパスライフ・健康支援センター　インクルージョン支援推進室（伊都地区センター１号館１階） （電話：092-802-5859　E-mail：inclusion@chc.kyushu-u.ac.jp）
修学上の合理的配慮の流れに関する部局HP		https://www.eng.kyushu-u.ac.jp/studentsupport.html#support-with-disabilities