シラバス参照

講義科目名 データサイエンス 
科目ナンバリングコード  
講義題目
授業科目区分  
開講年度 2022 
開講学期 夏学期 
曜日時限 夏学期 火曜日 3時限
必修選択 選択 
単位数 1.0 
担当教員

栗田 健一

開講学部・学府 地球社会統合科学府 
対象学部等  
対象学年  
開講地区 伊都地区
その他
(自由記述欄)



履修条件
統計学の基礎的な知識を理解していること。受講希望者はkurita at scs.kyushu-u.ac.jpまで連絡して下さい。
The prerequisite for this course is a basic understanding of statistics. If you are interested in attending the course, please contact us at the e-mail address: "kurita at scs.kyushu-u.ac.jp". 
授業概要
プログラミング言語Rを用いて入門レベルのデータサイエンスを学習する。Rプログラミングを通して、データサイエンスにおいて重要なスキルである、インポート、整理、変換、可視化、モデリング、コミュニケーションを習得することを目的とする。
受講者の要望や学習水準によっては、応用データ分析に関する文献の輪読を行う。 
This course will present the lecture of an intoroductly data science using R. Participants learn R to get skills of import, tidying, transforming, visualizasion.
At the request of the students, a reading of the literature on applied data analysis will be conducted. 
授業形態
(項目)
■ 講義・演習
□ 実験
■ グループワーク・ペアワーク
□ 学内外実習
■ プレゼンテーション
■ ディスカッション
□ PBL/TBL 
授業形態
(内容)
受講者はR及びRStudioをインストールしたノートパソコンを毎回持参し、実際にコードをコンパイルしながら学習を行う。受講者は、講義で学んだ手法を応用した分析内容を、再現可能なR Markdownファイルとして提出する必要がある。また、データサイエンスの応用に関して理解を深めるために、データ分析に関する文献を輪読する。受講者は、文献を読んだ上で、レポート及びスライドを作成し、プレゼンテーションを行う。
Students will bring their own laptops with R and RStudio installed to each session, and will learn by actually compiling code. Students are required to submit an R Markdown file of their analysis applying the methods learned in the lectures, which can be tested by others. Students will also read a literature review on data analysis to deepen their understanding of data science applications. Students will prepare a report and slides based on their reading of the literature and give a presentation. 
使用する教材等
板書、テキスト(紙媒体)、スライド資料(電子媒体)、映像・音声資料 
全体の教育目標
データサイエンスにおいて重要である、インポート、整理、変換、可視化、モデリング、コミュニケーションのスキルを習得することを目標とする。

The goal of this course is to master importing, tidying, transforming, visualizing, modeling, and communicating, which are important skills in data science. 
個別の教育目標
授業計画
データサイエンスⅡ:データサイエンスとRの基礎
データサイエンスⅥ:応用データサイエンス 
キーワード
データサイエンス、因果推論、機械学習、実証分析
Data Science, Causal Inference, Machine Learning, Empirical Analysis 
授業の進め方
演習の場合:
教員がデータサイエンスの講義を行う。受講者は自身のPCでコードを確認しながら講義内容を理解する。受講者は講義で学んだ分析手法を受講者が応用した分析をレポート(R Markdownファイル)として提出し、その内容を要約したスライドを作成し、報告を行う。

輪読の場合:
応用データ分析に関する文献を輪読する。各担当者は、講義の前日までにレポートとスライドのファイルを提出し、講義内では報告を行う。 
テキスト
Cunningham, S. (2021) Causal Inference: The Mixtape, Yale University Press.
Huntington-Klein, N. (2022) The Effect: An Introduction to Research Design and Causality, Routledge.
Imai, K. & Williams, N, W. (2022) Quantitative social science: An introduction in tidyverse. Princeton University Press.
Wickham, H., & Grolemund, G. (2016) R for data science: import, tidy, transform, visualize, and model data. O'Reilly Media, Inc.
高橋将宜(2022)『統計的因果推論の理論と実装』共立出版
安井翔太(2020)『効果検証入門』技術評論社 
参考書
学習相談
試験/成績評価の方法等
レポートやプレゼンテーション、議論における積極性などを総合して評価する。 
その他
添付ファイル
更新日付 2022/07/26 22:02


PAGE TOP