# 講義について
# 講義名
融合理工学とデータサイエンス (I)
# 講義の概要とねらい
膨大なデータが蓄積されつつある現代において、その中から必要な情報を取り出し活用するデータサイエンスに対する社会的ニーズが高まっている。本講義では、データから有用な情報を発見するための探索的データ可視化と、得られた知見を様々な受け手に対して有効に伝達するための説明的データ可視化の理論と方法を学ぶ。講義では主にPythonを使用するが、特定のツールに限定されない知識と技能を得ることを目標とする。
# 到達目標
本講義の履修により、次の技能を修得する。
- データ可視化の基本理論と方法を理解する。
- データ取得からデータ可視化までの一連のプロセスを独立して実行できるようになる。
- 伝達の目的や情報の受け手の属性等を考慮したデータ可視化作品を作成できるようになる。
# キーワード
データ分析、データ可視化、視覚コミュニケーション
# 授業の進め方
- 主として講義形式と演習形式で進める。個人によるデータ可視化作品作成と発表の回を設ける。
- 毎回講義後に演習ファイルのリンクとコメントを提出する。
# 講義内容
# Week 1 （講義・演習）イントロダクション
- データ可視化の目的、歴史、現状を理解する
- Pythonを使ってデータを操作する
# Week 2 （講義・演習）データ可視化のプロセス
- データ可視化のプロセスを理解する
- データの取得と前処理を行う
# Week 3 （講義・演習）視覚記号と視覚変数
- データ可視化の基本理論とデータの種類に対応した可視化手法を理解する
- 簡単なデータ可視化を行う
# Week 4 （講義・演習）量的データと質的データの可視化
- 量的データと質的データに対応した可視化手法と事例を学ぶ
- 量的データと質的データの可視化を行う
# Week 5 （講義・演習）テキストデータの可視化
- テキストデータに対応した可視化手法と事例を学ぶ
- テキストデータの可視化を行う
# Week 6 （演習）最終課題と質疑応答
- 個人の関心のある話題に関してデータ可視化の一連のプロセスを実行し、次週の発表へ向けて作品を作成する
- 質問があったら随時聞く
# Week 7 （演習）発表とディスカッション
- 個人のデータ可視化作品の発表を行う
- 作品とそのコミュニケーション効果についてディスカッションを行う
# 成績評価
最終課題60%、授業中の演習等40%
# オフィスアワー
講義中に説明します
# その他注意事項
- PythonとGoogle Colaboratory (Colab) を使います。Googleアカウントを作りましょう。
- Colabでは、生成AI機能を非表示にすることを推奨します（講義で詳しく説明します）。
- Googleへのアクセスが難しい人は、自分のPC上でJupyter Notebookを動かせるようにしましょう（適宜相談してください）。
- 演習室で実施しますが、自分のデバイスを使ってもOKです。
# 教員の自己紹介
講義中に説明します。