『データサイエンス入門（データサイエンス大系）』
（竹村彰通・姫野哲人・高田聖治 編，学術図書出版社）
サポートページ

本書は全15回の講義に使うことを想定して書かれている．
第4章まではどの大学でも共通して使える内容である．
第5章は専門的なので，そのまま講義には使わなくてもよい．
第5章の内容を参考にして，講義を担当する教員が自分の専門分野での応用事例を教えるのが望ましい．
以下に，シラバス案を掲載するので参考にされたい．

シラバス案　（PDFファイル）

数理・データサイエンス教育強化拠点コンソーシアムのyoutubeチャンネルで公開されている動画教材から，
本テキストの学習の補助として役立つものを以下にまとめる．

第1章　現代社会におけるデータサイエンス
1.1 データサイエンスの役割	データサイエンスの役割 (S2-101)
	データサイエンスの役割（続）(S2-102)
1.2 データ分析のためのデータの取得と管理	データの取得・管理　�@データの収集と保存 (S2-103)
	データの取得・管理　�Aデータの管理 (S2-104)
	データの入手方法 (S2-105)
第2章　データ分析の基礎
2.1 ヒストグラム・箱ひげ図・平均値と分散	ヒストグラム (S1-109)
	箱ひげ図 (S1-110)
	平均・分散・標準偏差 (S2-203)
2.2 散布図と相関係数	2変数データと散布図 (S1-201)
	相関係数とは (S1-203)
2.3 回帰直線	回帰直線（2つの量の関係の定式化）(S2-206)
	回帰直線（データの当てはまり）(S2-207)
2.4 データ分析で注意すべき点	データ分析で注意すべき点（相関と因果の違い）(S2-208)
	データ分析で注意すべき点（標本調査）(S2-210)
第3章　データサイエンスの手法	データの分析 (S2-106)
3.1 クロス集計	クロス集計 (S1-206)
	層別クロス集計 (S1-207)
3.2 回帰分析
3.3 ベイズ推論
3.4 アソシエーション分析
3.5 クラスタリング
3.6 決定木
3.7 ニューラルネットワーク
3.8 機械学習と人工知能(AI)	機械学習とは (1) (S3-102)
	機械学習とは (2) (S3-103)
	機械学習とは (3) (S3-104)
第4章　コンピュータを用いた分析
4.1 Excelを用いたデータ分析	Excelを用いたヒストグラムの作成 S2-301
4.2 統計解析ソフトRを使ったデータ分析	Rを使ってみる (S2-304)
	Rによるデータ分析 (S2-305)
	Rのさらなる活用 (S2-306)
4.3 プログラミング言語Pythonを使ったデータ分析	Pythonのインストールと基本操作 (S2-307)
	Pythonを使ったデータの整理と可視化 (S2-308)
	Pythonを使ったデータの分析と、より高度な可視化 (S2-309)
第5章　データサイエンスの応用事例
5.1 マーケティング
5.2 金融	金融（銀行におけるデータ活用）(S2-403)
5.3 品質管理	品質管理 (S2-409)
5.4 画像処理	データサイエンスと画像処理技術　�@デジタル画像の構成 (S2-107)
	データサイエンスと画像処理技術　�A画像処理の応用 (S2-108)
5.5 音声処理	データサイエンスと音声処理技術　�@音声データ処理 (S2-109)
	データサイエンスと音声処理技術　�A音声認識入門 (S2-110)
5.6 医学	染色体上で遺伝子を探す (S2-407)
第6章　より進んだ学習のために

2020年7月20日更新