授業科目の概要
科目名称		応用数学Ⅵ
講義題目		数理・データサイエンス活用PBL
科目ナンバリング・コード
担当教員		溝口　佳寛 川野　秀一 小谷　久寿
更新日付		2025-07-25 12:56:37.873
授業科目区分		専攻教育科目（数理学コース・学際科目） / Specialized Courses
学部カテゴリ		数理学府
使用言語		日本語（J）
対象学部等		数理学府 / Graduate School of Mathematics
対象学年		修士課程 / Master's course
必修選択		選択 / Elective
単位数		2
開講年度		2025
開講学期		前期集中
曜日時限		前期集中 その他 その他
教室
開講地区		伊都地区
授業科目に関する特筆事項		本PBLは, マス・フォア・イノベーション卓越大学院の集中講義ですが, 卓越大学院生以外の大学院生の受講も歓迎する.本PBLは、九州の国公私立大学と共同で開講するものである. 【要登録(〆切8/20(水))】 Googleドライブにて教材共有を行うため, 参加者のGoogleアカウントEmailアドレス等が必要です. 以下のGoogleフォームにて情報提供をお願いします. https://forms.gle/GZ1UKB65jdivx2MW9 ※ 適宜連絡事項をMoodleに掲載します. Moodleへの登録も各自で行って下さい. https://moodle.s.kyushu-u.ac.jp/course/view.php?id=64087

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）		社会における課題について, 実データに基づき, 統計学, データ科学, 機械学習に関する理論とソフトウェアを活用し, データと課題の分析を行い, 課題解決に臨む. 実施は, 数名のグループによるグループワークとし, 最後にグループ発表と全員による意見交換, 講評を行う. 本展開科目は, データ分析, アルゴリズム, 数学に関する理論の修得のみではなく, 受講者の専門分野を活かした社会的課題の分析, コンサルティング実習, および, 討論を行う総合科目である. 受講者は,本講義終了後, 総合報告を最終レポートとして提出する.
授業科目の目的（英語）		Based on real data, we will analyze data and problems and solve them by utilizing theories and software based on statistics, data science, and machine learning. Group work will be conducted in groups of several participants. Group presentations, discussion, and critiques will be made at the end of the class. This is a comprehensive course in which students not only acquire theories on data analysis, algorithms, and mathematics, but also analyze and discuss social issues based on their specialized fields. After this lecture, students are required to submit a comprehensive report as a final report.
キーワード		相関, 回帰分析, 一般化線形モデル, 分類, 決定木, サポートベクターマシン, カーネル, 教師なし学習
履修条件		本PBLは, グループワークであり, 事前申込後、書類選考を行います。「低年次データサイエンス教育」プログラム修了、または、同等の能力を身につけている必要があります。 https://mdsc.kyushu-u.ac.jp/%E4%BD%8E%E5%B9%B4%E6%AC%A1%E6%95%99%E8%82%B2
※ 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   数理・データサイエンス活用の基本的事項について理解する．  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		応用数学VI.pdf
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 問題・課題解決型学習（PBL等） グループ・ディスカッション グループワーク・ペアワーク プレゼンテーション
遠隔授業		対面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		九州大学 数理・データサイエンス教育センターHPにある講義資料 * データサイエンス概論I&II * 情報科学【AI・データサイエンス】 * 統計基礎 (英語販) https://mdsc.kyushu-u.ac.jp/lectures
参考書等		特になし．
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 ガイダンス (課題説明など)  ガイダンス  配付資料を用いて予習・復習を行う．  2 データサイエンス速習  Pythonプログラミング、機械学習  配付資料を用いて予習・復習を行う．  3 統計学速習  統計量、検定、回帰分析、主成分分析  配付資料を用いて予習・復習を行う．  4 グループワーク(1)  データ収集・加工を行い、適切なデータ構造を構成する。  配付資料を用いて予習・復習を行う．  5 グループワーク(2)  データの社会的背景について考察する。  配付資料を用いて予習・復習を行う．  6 グループワーク(3)  数理モデリング  配付資料を用いて予習・復習を行う．  7 コンサルティング実習  統計学・データ解析を専門とする学生による異分野学生へのコンサルティング実習  配付資料を用いて予習・復習を行う．  8 講演(1)  社会におけるデータサイエンス活用事例1  配付資料を用いて予習・復習を行う．  9 講演(2)  社会におけるデータサイエンス活用事例2  配付資料を用いて予習・復習を行う．  10 グループワーク(4)  実際に数値計算を行い、分析結果を共有する。  配付資料を用いて予習・復習を行う．  11 グループワーク(5)  実データの社会的背景を踏まえて、データの持つ意味を理解する。  配付資料を用いて予習・復習を行う．  12 発表準備(1)  発表準備(1)  配付資料を用いて予習・復習を行う．  13 発表準備(2)  発表準備(2)  配付資料を用いて予習・復習を行う．  14 発表会(1)  各グループが成果と考察を発表する  配付資料を用いて予習・復習を行う．  15 発表会(2)  講評 各グループの発表に対しての講評を行う  配付資料を用いて予習・復習を行う．
備考		ガイダンス, 講演, コンサルティング実習, 発表会以外は, 各グループによるグループワークである.
授業科目の成績評価の方法について
その他		講義終了後, 発表会でのコメント等を反映し, 受講生個人ごとに提出された総合報告により評価する.
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		質問等は, Moodleのチャット等を利用して行います。
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