文部科学省 数理・データサイエンス・AI教育プログラム認定制度(リテラシーレベル) 準拠プログラム 統計入門(全学共通科目)
本プログラムは、「文部科学省 数理・データサイエンス・ＡＩ教育プログラム認定制度（リテラシーレベル）」に認定されました。
認定の有効期限：2026年3月31日まで
実施体制
| プログラムの運営責任者 | 国際高等教育院長 |
| プログラムを改善・進化させるための体制 | 国際高等教育院 附属データ科学イノベーション教育研究センター 企画評価委員会 |
| プログラムの自己点検・評価の体制 | 国際高等教育院 附属データ科学イノベーション教育研究センター 企画評価委員会 |
プログラムを構成する科目
統計入門
授業概要 (http://ds.k.kyoto-u.ac.jp/subjects/)
授業に含まれている内容・要素
統計及び統計に必要な数理的基礎
開講クラス
| 開講期 | 曜日・時間 | クラス指定 |
|---|---|---|
| 前期 | 月・１ | （文系入試による入学者に配慮する） |
| 前期 | 火・１(３クラス並列) | 工学部工業化学科(２クラス) |
| 前期 | 水・４ | 医学部人間健康科学科 |
| 前期 | 木・１(２クラス並列) | 医学部医学科 |
| 前期 | 木・３(２クラス並列) | 理学部 |
| 後期 | 火・３ | 工学部建築学科 |
| 後期 | 木・３ | 薬学部 |
| 後期 | 金・１ | （文系入試による入学者に配慮する） |
(注) 「クラス指定」は，該当学部・学科について受講時間を指定するものであって，指定されていない 他学部・学科の学生も受講可能である．
関連科目(プログラムを構成する科目ではない)
数理・データ科学のための数学Ⅰ、数理・データ科学のための数学Ⅱ
続・統計入門(2019年度まで)、統計と人工知能(2020年度から)
予習教材
全学ガイダンス動画「ビッグデータの時代データ科学を学ぼう」(学内限定)
学内MOOC「統計の入門」
情報倫理デジタルビデオ小品集(学内限定)
データ科学のためのPython入門教材(学内限定)
プログラムの修了要件
統計入門の単位(2単位)を修得すること
(注意) 修了証の取得については別途通知する方法に従うこと．
統計入門の概要
到達目標
- 調査や実験・試験によるデータ収集の作法を理解する
- データの種類や性質に応じたデータ確認と要約ができる
- 二元分割表の独立性の検定と関連の強さの推定を行い、結果を解釈できる
- 仮説検定や推定の原理を理解する
- 統計や統計学的知識を正しく使うための留意点と倫理を知る
- 統計・統計学の応用について幅広く知り、今後の学習につなげる
身につける能力
研究や、生活、社会・経済活動に不可欠な統計手法である「データを、集計・分析し、理解する力」を涵養する
授業内容
- (1) 現在進行中の社会変化 (第4次産業革命、Society 5.0、データ駆動型社会等) に深く寄与しているものであり、それが自らの生活と密接に結びついていることを理解する．
- (2) 「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得ることを理解する．
- (3) 様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域 (流通、製造、金融、サービス、インフラ、公共、ヘルスケア等) の知見と組み合わせることで価値を創出することを理解する．
- (4) 活用に当たっての様々な留意事項 (ELSI、個人情報、データ倫理、AI社会原則等) を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項を理解をする．
- (5) 実データ・実課題 (学術データ等を含む) を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・AIの基本的な活用法を理解する．
モデルカリキュラムとの対応
| モデルカリキュラム | 学修内容 | 対応授業内容(実施回) |
|---|---|---|
| 導入 1. 社会におけるデータ・AI利活用 | ||
| 1-1. 社会で起きている変化 | 社会で起きている変化を知り、数理・データサイエンス・AIを学ぶことの意義を理解するAIを活用した新しいビジネス/サービスを知る | 統計入門: 概要と導入(1)、統計と統計学の利用(14) |
| 1-2. 社会で活用されているデータ | どんなデータが集められ、どう活用されているかを知る | |
| 1-3. データ・AIの活用領域 | さまざまな領域でデータ・AIが活用されていることを知る | |
| 1-4. データ・AI利活用のための技術 | データ・AIを活用するために使われている技術の概要を知る | |
| 1-5. データ・AI利活用の現場 | データ・AIを活用することによって、どのような価値が生まれているかを知る | |
| 1-6. データ・AI利活用の最新動向 | データ・AI利活用における最新動向 (ビジネスモデル、テクノロジー) を知る | |
| 基礎 2. データリテラシー | ||
| 2-1. データを読む | データを適切に読み解く力を養う | 統計入門: データの確認と要約(2〜3)、二元分割表と検定(4〜5)、さまざまな確率分布と統計的検定の考え方(6〜7)、二元分割表のリスク比・オッズ比・リスク差(8〜9)、中心極限定理、区間推定(10〜11)、t分布、検定・推定と標本規模(12〜13)、発展的内容(15) |
| 2-2. データを説明する | データを適切に説明する力を養う | |
| 2-3. データを扱う | データを扱うための力を養う | |
| 心得 3. データ・AI利活用における留意事項 | ||
| 3-1. データ・AIを扱う上での留意事項 | データ・AIを利活用する上で知っておくべきこと | 統計入門: 概要と導入(1)、統計と統計学の利用(14) |
| 3-2. データを守る上での留意事項 | データを守る上で知っておくべきこと | |
自己点検・評価
京都大学 国際高等教育院 附属データ科学イノベーション教育研究センター 自己点検・評価報告書 －リテラシーレベル教育編－ （令和3年5月）
京都大学 国際高等教育院 附属データ科学イノベーション教育研究センター 令和3年度自己点検・評価報告書 －－全学共通教育編－ （リテラシーレベル・応用基礎レベル）
