データサイエンス概論

データサイエンスとは何かについて学ぶ。学生、ゲストとその発展の歴史を対談形式で概観しながら、データサイエンスの成り立ちや、社会にどのように応用されているかについてイメージを膨らませる。

データはさまざまな視点から分類することができるということを知る。それぞれのデータの特徴や適切な扱い方に違いがあることについて学ぶ。

統計学の基本的な３つの考え方、ばらつき、相関と因果、確率について学ぶ。また、サンプリングの手法とデータの持つバイアスについても概説する。

統計学及び機械学習の歴史を時系列的に学修する。その過程を見ていく中で統計学と機械学習の目的の違いについても簡単に触れる。

「２.データってなんだろう？」で学修したデータの分類を手がかりに各種データの集計や可視化の方法（記述統計学）について学ぶ。可視化によって明らかになることは多く、適切な可視化はデータの理解を促進することを事例を用いて解説する。

数値変数の要約統計量の計算方法とその意味について学ぶ。また各種統計量をどのように現実の場面で役立てていくか事例を用いながら説明する。

分散、標準偏差、変動係数、いわゆるばらつきを表す変数について学ぶ。ばらつきについて考えることが統計学の根幹であり、様々な分析の基礎になっていることを解説する。また標準化による分布の変換についても学ぶ。

量的な２変量の統計処理の基礎について学ぶ。相関係数の計算とその性質、また可視化の手法についても講義する。

回帰分析の原理について学ぶ。回帰分析の概要と推定法（最小二乗法）について解説する。また出来上がったモデルの精度を検討し、その他と比較したりすることは非常に重要である。その方法を解説する。

量質の２変量データの分析について扱う。可視化の方法と相関比の計算をメインに扱う。また地理データを用いて、データを可視することや、要約することの楽しさを知ってもらう。

質質の２変量データの分析について扱う。クロス集計表やヒートマップなどの可視化法を学ぶ。クラメールの連関係数の計算法、またクロス表を用いてリスクやオッズの考え方にも触れる。

条件付き確率の定義について、問題演習を挟みながら解説する。条件付き確率の考え方は日常的にも必須であり、今後データサイエンス系科目を履修する上でも重要であることを理解してもらう。

統計・機械学習の誤用例を取り上げ、どこがおかしいのか検討する。新聞や雑誌の記事・ニュース・学術論文などを素材として、それらを批判的にみる態度を養う。

統計的仮説検定の基礎について学ぶ。導入のため仮説検定の例としてコイン投げによる二項検定を使うが、t-検定などにも少し触れる。また検定の現代的な意味についても批判的に検討する。

これまでの授業を総合した演習を行う。これまでの知識を応用し、どういった場面で活用できるかについて事例をいくつか扱いながら学ぶ。