講座・課程詳細

放送大学 数理・データサイエンス・AIリテラシー講座 基礎(「数理・データサイエンス・AI(リテラシーレベル)講座」)

団体名
放送大学
課程名
数理・データサイエンス・AIリテラシー講座 基礎(「数理・データサイエンス・AI(リテラシーレベル)講座」)
課程区分
公開講座
地域:詳細

科目・講師
開講日時
2021年4月~2022年3月
受講期間の目安
8時間
受講料
8,000円(放送大学の在学生は800円で受講できます。)
学費支援
(奨学金)
無し
学費支援(教育訓練給付金)
無し
ジャンル
数理・データサイエンス・AI
通学/通信区分
通信
講座の概要
《第1回》担当講師:山本 章博 放送大学客員教授(京都大学教授)
データを読む1 結論を導く作法
【パート1】相関と因果、統計情報の正しい理解(誇張表現に惑わされない)、仮説
回帰、データの可視化
【パート2】データの種類(量的変数、質的変数)、ヒストグラム、二元分割表
【パート3】母集団と標本抽出(国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出)、A/Bテスト、ランダム化比較試験(RCT)

《第2回》担当講師:林 和則 放送大学客員教授(京都大学教授)
データを読む2 量的データの要約
【パート1】データの分布(ヒストグラム)と代表値(平均値、中央値、最頻値)、代表値の性質の違い(実社会では平均値=最頻値でないことが多い)
【パート2】データのばらつき(分散、標準偏差、偏差値)
【パート3】四分位数、5数要約と箱ひげ図

《第3回》担当講師:中野 直人 放送大学非常勤講師(京都大学特定講師)
データを読む3 2変量数のデータの相関関係
【パート1】データのばらつき、2変数のデータ、散布図、相関関係
【パート2】相関と因果、共分散、正の相関、負の相関、無相関
【パート3】相関と因果(相関係数)、標準化、散布図、可視化の重要性

《第4回》担当講師:鹿島 久嗣 放送大学客員教授(京都大学教授)
データを説明する1 質的データの分析とデータの信頼性
【パート1】データの種類(量的変数、質的変数)、クロス集計表、分割表、相関係数行列、散布図行列、独立性検定(χ二乗検定)
【パート2】母集団と標本抽出(国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出)、打ち切りや脱落を含むデータ、層別の必要なデータ、相関と因果(相関係数、擬似相関、交絡)
【パート3】統計情報の正しい理解(誇張表現に惑わされない)

《第5回》担当講師:木村 真之 放送大学非常勤講師(京都大学特定講師)
データを説明する2 データの図表表現
【パート1】データ表現(棒グラフ、折線グラフ、散布図、ヒートマップ)、帯グラフ、円グラフ、レーダーチャート
【パート2】データ表現(棒グラフ、折線グラフ、散布図、ヒートマップ)、箱ひげ図
【パート3】データの図表表現(チャート化)、優れた可視化事例の紹介(可視化することによって新たな気づきがあった事例など)、タグクラウド、バブルチャート、不確かさ・変動を含む可視化、台風経路予想図、高次元データの可視化

《第6回》担当講師:關戸 啓人 放送大学非常勤講師(京都大学特定講師)
データを説明する3 データの比較と可視化
【パート1】データの比較(条件をそろえた比較、処理の前後での比較、A/Bテスト)、因果推論、ランダム化比較試験
【パート2】データ表現(棒グラフ、折線グラフ、散布図、ヒートマップ)、不適切なグラフ表現(チャートジャンク、不必要な視覚的要素)、優れた可視化事例の紹介(可視化することによって新たな気づきがあった事例など)
【パート3】データ表現(棒グラフ、折線グラフ、散布図、ヒートマップ)、不適切なグラフ表現(チャートジャンク、不必要な視覚的要素)、優れた可視化事例の紹介(可視化することによって新たな気づきがあった事例など)

《第7回》担当講師:田村 寛 放送大学客員教授(京都大学教授)
データを扱う1 EXCELでデータサイエンス!:基本操作編
【パート1】データ解析ツール(スプレッドシート)、Excel、ソフトウェア
【パート2】データの集計(和、平均)、数式、関数
【パート3】データの並び替え、ランキング、最大値、最小値、中央値、四分位数、分析ツール

《第8回》担当講師:田村 寛 放送大学客員教授(京都大学教授)
データを扱う2 EXCELでデータサイエンス!:実践編
【パート1】表形式のデータ(csv)、データ解析ツール(スプレッドシート)、保存
【パート2】データの集計(和、平均)、最大値、最小値、中央値、分析ツール、保存、データ整理
【パート3】表形式のデータ(csv)、新たな変数作成、絶対参照・相対参照
講座レベル
基礎レベル
身につけられる知識、技術、技能
・データの特徴を読み解き、起きている事象の背景や意味合いを理解できる
・データを読み解く上で、ドメイン知識が重要であることを理解する
・データの発生現場を確認することの重要性を理解する
・データの比較対象を正しく設定し、数字を比べることができる
・適切な可視化手法を選択し、他者にデータを説明できる
・不適切に作成されたグラフ/数字に騙されない
・文献や現象を読み解き、それらの関係を分析・考察し表現することができる
・スプレッドシート等を使って、小規模データ(数百件~数千件レベル)を集計・加工できる
科目一覧
修了要件
各回の講義映像の視聴及び確認テストへの合格
修了時に付与される学位・資格等
放送大学キャリアアップ支援認証制度の修了証及びデジタルバッジ
成績評価の方法
確認テスト(IBT:インターネットを利用した試験)の評価
社会人が受講しやすい工夫
講義映像の視聴と、講義内容の理解度を確認するための小テストによって構成されており、全てオンデマンドで、パソコン、タブレットPC、スマートフォン等からお好きな時間に学ぶことができます。
ホームページ
https://www.ouj.ac.jp/hp/special/article/datascience.html
自由PR
この公開講座は、数理・データサイエンス教育強化拠点コンソーシアムが策定した「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」に準拠した内容で構成されており、初級レベルの数理・データサイエンス・AIについて体系的に分かりやすく学修することができます。
本講座はモデルカリキュラムの中でも「基礎」部分に該当しています。