科目名／Course title	データサイエンス演習／Data Science (Seminar)
担当教員（所属）／Instructor	大塚　秀治 (全学基盤教育部門情報教育センター)
授業科目区分／Category	共通科目
授業形態／Type of class	演習
開講期／Semester	2026年度／Academic Year 　後期／AUTUMN
開講曜限／Class period	金/FRI　3
対象所属／Eligible Faculty	文学部国語国文学科／Faculty of Liberal Arts Department of Japanese Language and Literature,文学部フランス語フランス文学科／Faculty of Liberal Arts Department of French Language and Literature,文学部英語英文学科／Faculty of Liberal Arts Department of English Language and Literature,人間総合学部児童文化学科／Faculty of Human Studies Department of Children's Culture,人間総合学部発達心理学科／Faculty of Human Studies Department of Developmental Psychology,人間総合学部初等教育学科／Faculty of Human Studies Department of Child Care and Primary Education
対象学年／Eligible grade	2年 , 3年 , 4年
単位数／Credits	2

副題 ／SubTitle	データサイエンスに必要な知識とスキルの習得（ビジネス統計スペシャリスト検定受験対策を含む）
授業のねらいと達成目標 ／Course Objectives	データサイエンスは統計学と情報工学が融合した分野で、大規模なデータから価値のある情報を抽出して分析・解釈するとともに将来を予測する学問領域です。この授業ではデータサイエンスの基本となる統計的知識とデータ分析スキルを、実践的ビジネスデータを用いて演習重ねることで習得することを目的とします。さらに、最終的に資格試験である「ビジネス統計スペシャリスト」検定の取得を目指します。
授業概要 ／Course description	授業は1年次必修科目「はじめてのデータサイエンス」（2023年度以前入学者はオンデマンドによる選択科目）を深化・拡張したもので、同科目を履修したことを前提に進めます。全ての授業で実習が行われるため、コンピュータの操作やExcelの作表についての基礎知識が必要となります。「ビジネス統計スペシャリスト」検定に合格する内容を網羅するため、統計学の内容を含みます。
授業計画（授業の形式、スケジュール等） ／Class schedule	第1回　オリエンテーション　 　　　　データサイエンスとは、データサイエンスの目的　 第2回　データ分析の基礎「はじめてのデータサイエンスの復習①」 　　　　　外れ値・度数分布表とヒストグラム・標準化・集計 第3回　データ分析の基礎「はじめてのデータサイエンスの復習②」 　　　　　散布図・相関・回帰分析 第4回　データ分析の基礎「はじめてのデータサイエンスの積み残し課題」 　　ソルバー機能による最適化・移動平均と季節調整（その１） 第5回　データ分析の基礎「はじめてのデータサイエンスの積み残し課題」 　　ソルバー機能による最適化・移動平均と季節調整（その２） 第6回　データ分析の基礎「はじめてのデータサイエンスの総まとめと資格試験」 　　ビジネス統計スペシャリスト検定の概要と模擬試験 第7回　分析データを理解する（第1,2,3章） 　 　　　　　データの形・母集団と標本・記述統計と推測統計 第8回　２変量データのまとめ方（第4章） 　　　　　変数の関係性と仮説の立て方 　　　　　統計的検定の考え方（仮説検定の準備） 　　　　　帰無仮説・p値・有意水準・両側検定/片側検定・自由度　　　　　 第9回　仮説検定（１）カイ二乗検定（第5章） 　　　　　帰無仮説・有意確率・有意水準 第10回　仮説検定（２）平均値の比較t検定・F検定（第6章） 　　　　　平均値の差の検定方法・分散の差の検定 第11回　仮説検定（３）相関分析・回帰分析（第7章） 　　　　　相関係数の有意性検定・回帰分析の解釈 第12回　仮説検定（４）質的変数を結果にした回帰分析（第8章） 　　　　　ダミー変数の使用と変換・再変換の方法  第13回　結果系変数を２つ以上に回帰分析（重回帰分析）（第9章） 　　　　　重回帰分析の方法と結果の見方 有意水準と変数選択 多重共線性 第14回　回帰分析の応用とより高度な分析手法（第10章） 第15回　より高度な手法とまとめ 　　　　 期末試験（資格試験対策として）
準備学習・履修上の注意 ／Notices	授業はコンピュータ教室でPCを使って行います。このため、履修希望者が多い場合には人数制限が行われる可能性があります。 原則として必修科目「はじめてのデータサイエンス」を履修済みであること。4年生は「情報リテラシー」や「データ分析演習」を履修済であること。積み上げ科目なので、欠席が無いことが望まれます。また、PCやExcelの利用についての基本的な知識があることが前提です。 【授業外学修の内容】 毎回の授業の予習と振り返りを行うこと、指示された課題を行うことが重要です。なお、この授業は各回にレポート課題、確認テスト（復習）があります。予習復習時間は合計4時間程度を想定しています。
教科書・参考書等 ／Textbooks	【教科書】 『Excelで学ぶ 実戦ビジネスデータ分析』 　著者： 豊田 裕貴 　出版社： オデッセイ コミュニケーションズ 　ISBN： 978-4-908327-07-0 【参考書】 『Excelで学ぶ ビジネスデータ分析の基礎』 　著者： 玄場 公規、湊 宣明、豊田 裕貴 　出版社： オデッセイ コミュニケーションズ 　ISBN： 978-4-908327-04-9 ※はじめてのデータサイエンスの教科書です
成績評価の方法 ／Evaluation	【評価方法・評価基準】 配点の割合は以下の通り 　授業への取り組み・課題提出　 40%　　　 　小テスト・ドリルへの取り組み 30%　 　期末試験  30% 【注意事項】 課題・模試結果・出席が基準や規定数に達していない場合は期末試験の受験資格はありません。欠席すると課題の提出や受取ができないので著しく成績に影響するので注意が必要です。 【評価基準】 　授業への取り組み・課題提出　　（提出内容・回数） 　小テスト・ドリルへの取り組み　（得点・実施回数） 　期末試験 （得点・時間内での処理内容） 【課題（試験やレポート）に対するフィードバックの方法】 基本的に提出物は次週返却します 小テストなどは実施時に評価されます 適宜成績を manaba course により個別に通知します
備考 ／Notes	演習中に指名して回答を求めたり、演習等で作成した内容を口頭発表するようなことはありません。授業では「manaba course」を毎回利用します。

科目と卒業／修了認定に関する方針（ディプロマ・ポリシー）の対応一覧
／Diploma Policy
https://www.shirayuri.ac.jp/campus/enrollment/diplomapolicy/