科目名／Course title	はじめてのデータサイエンス／Gentle Introduction to Data Science
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	水/WED　3
対象所属／Eligible Faculty
対象学年／Eligible grade	1年 , 2年 , 3年 , 4年
単位数／Credits	2

副題 ／SubTitle	デジタル社会におけるデータ思考の涵養
授業のねらいと達成目標 ／Course Objectives	近年コンピュータやネットワーク、スマートフォンの普及と技術革新により、私たちが手にすることができる情報は飛躍的に増大しました。その一方で、私たちの日々の生活の中で知らない間に収集、蓄積された膨大な情報（ビッグデータ）は、急速に発展・普及している人工知能(AI)の技術によって分析・加工され、新しい価値やサービスを生み出して社会に大きな影響を与えています。今後、私たちはAIを活用したり、多様な情報を分析し客観的なデータに基づいて現状を把握したり、更に将来を予測し判断したりするための知識や技術の習得が必須と言われています。このような分野をデータサイエンスといいます。この授業ではAI・データサイエンスに関して正しい知識を持ち、それを日常や仕事の場で使いこなすための基礎的なリテラシーを習得することを目標とします。また、AI・データの活用に伴うモラル・倫理・脅威について理解を深め、情報の正確性を確認した上で適切に利用する姿勢を身につけることも目指します。
授業概要 ／Course description	授業は、データ・AIの利活用に関する「講義」とExcelを使ったデータリテラシの「実習」から構成されています。まず「講義」については、事前学習として、AI・データ活用の事例や、社会で起きている変化、AI活用領域についてビデオを視聴します。またデジタル社会において、AI・データを活用するうえでのモラルや倫理、脅威、個人情報を守るための注意点についても学びます。一方、授業では「講義」で学んだことを深めるために、統計の基礎とExcelを用いたデータ処理、分析手法について実習を行います。ネット上に公開されている実データをグラフで表現したり、様々な手法で分析し、情報の正確性を確認しながらその結果を意味付けしたり、表現したりする方法を学びます。 　この授業は文部科学省の数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラムの「導入」「基礎」「心得」の学習項目に準拠しています。
授業計画（授業の形式、スケジュール等） ／Class schedule	第1回:  「講義」導入1：データサイエンスとは？ 　　　  「実習」基礎1：Excel基本操作の確認 第2回:  「講義」導入2：社会で起きている変化-1 　　　  「実習」基礎2：数式の入力と集計表 第3回:  「講義」導入3：社会で起きている変化-2             「実習」基礎3：関数の基本（絶対参照・複合参照） 第4回:  「講義」導入4：社会で活用されているデータ　　　   　　　  「実習」基礎4：グラフの種類と使い方、★グラフの読み方　 第5回:  「講義」導入5：データ・AI活用領域 　　　  「実習」基礎5：基本統計量、平均値、中央値、最頻値 第6回:  「実習」基礎6：度数分布表とヒストグラム 第7回:  「講義」導入7：データ・AI活用のための技術1 　　　  「実習」 基礎7：分散と標準偏差 第8回:  「実習」基礎8：標準化と偏差値 第9回:  「実習」基礎9：散布図            「講義」導入8：データ・AI活用のための技術-2 第10回:「実習」基礎10：相関1 第11回:「講義」心得1：  データ・AI利活用における留意事項-1            「実習」基礎11：相関2              ★データの読み方とデータを説明する方法 第12回:「講義」心得2：データ・AIを扱う上での留意事項-2 　　　  「実習」基礎12：回帰分析 第13回:「講義」心得3：データを守るうえでの留意事項 　　　  「実習」基礎13：時系列データの扱いなど 　　　　 応用課題の出題 第14回:  期末試験と応用課題提出 第15回:  フィードバック、資格試験案内 ※授業内容は受講者の進度によって変更することがあります。
準備学習・履修上の注意 ／Notices	第1回目の授業の中で、授業の受け方とルールについての説明をします。この授業は実習が中心になるため、全回出席することが基本になります。 【確認テスト】 確認テストは、指定されたビデオを事前に（授業時間外に）視聴し、その内容について解答するものです。ビデオの内容は、AIとデータ利活用に関する問題、および前の週の授業で学んだ内容です。確認テストの実施方法はクラスによって異なり、授業開始時に実施するクラスと、期日までに各自で解答するクラスがあります。 【授業と課題について】 授業では、統計の基礎とExcelを用いたデータ処理、分析手法について学びます。毎週新しい内容を学び、課題が出されます。課題は期日までに提出してください。授業の中で行う実習は積み重ねの内容になっていますので、ひとつ飛ばすと次の課題ができなくなります。欠席した場合には、授業で実施した内容を自分で調べ、自ら遅れを取り戻して次の授業に出席する姿勢が求められます。 【授業外学修の内容】 毎回の授業の予習（事前学習）と前の週の復習を行うこと。授業において指示した課題を行うこと。各回の予習復習にかかる時間は4時間程度を想定しています。 【自宅学習のPC環境】 　自宅で学習する場合は、各自のPC（WindowsまたはMac）にブラウザのChromeとOffice（Word, Excel）をインストールしておいてください。 Officeは大学が提供するMicrosoft365を推奨します。自身で購入したOffice製品も使用可能ですが、授業の実習環境と異なるため、Windows版についてはOffice2016以前のバージョン、Mac版についてはOffice2016 for Mac以前のバージョンは不可とします。また、Libre OfficeやGoogleドキュメント、GoogleスプレッドシートなどのOffice互換ソフトも不可です。 なお、iPadやスマートフォンなどの携帯端末用Officeは機能が制限されているため、課題を行うことができません。必ずPC用のOffice／Microsoft365で課題を行ってください。自宅にPCがない場合は、情報教室や図書館のPC（館内貸し出し）を利用してください。
教科書・参考書等 ／Textbooks	【教科書】 『ビジネス統計スペシャリスト　エクセル分析 一般』 　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： 978-4-908327-20-9 その他、授業資料を適宜、配布します。 【参考書】 参考書は授業の中で適宜紹介します。
成績評価の方法 ／Evaluation	【評価方法】 　確認テスト　30％ 　実習課題　40％ 　応用課題（レポート）　10％ 　期末試験　20％ これらの合計が6割以上で単位認定を行います。 なお、規定回数以上の出席がない場合は評価対象となりません。 【評価基準】 確認テスト：授業で扱った内容を正しく理解できているかどうか　 実習課題：授業内で解説される内容と関連する範囲を練習し、適切に解答できているかどうか 応用課題（レポート）：与えられた指示や条件に従って作成できているかどうか 期末試験：決められた時間内に授業で扱った内容を正しく解答できているかどうか 【注意事項】 確認テストや課題の提出が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。 【課題（試験やレポート）に対するフィードバックの方法】 manaba courseで通知します。
備考 ／Notes	この授業は「manaba course」を利用します。

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/