今日では、コンピュータやネットワーク、様々なセンサなどの技術の進歩により、日々膨大なデータが蓄積されるようになった。これらのデータの活用への期待は大きく、データを適切に分析し、その結果から適切な判断を下すことが重要である。 「データ分析演習Ⅱ」は、ICT（情報通信技術）の進展とビッグデータ、さらにデータ表現の基礎等を確認したうえで、原則としてプログラミング言語を用いた経験のない学生を対象として、データ解析の基礎を習得する実践科目である。
本講義は、文部科学省のモデルカリキュラム（応用基礎レベル）の、データサイエンス基礎とデータエンジニアリング基礎AI基礎をバランスよくカバーする形で構成されている。
具体的には、データサイエンス活用事例 （仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替など）として 医学・医療を中心とした実社会のデータを用いた実習を行う。Excelや統計解析ソフトR等の入手が容易な統計ソフトを用いて「統計入門」等で学んだ分析⽬的の設定に始まり、様々なデータ分析⼿法や様々なデータ可視化⼿法等の統計処理（統計検定2～3級レベルの内容）を実践する。
その中では、データの収集、加⼯、分割/統合、標本調査や、サンプルサイズ、ランダム化比較試験についても知識を深めつつ、AI・機械学習についても学ぶ。

フィードバックを含め全15回の授業で、統計ソフトを用いてデータ分析を実践する。本演習の前半ではビジネスの現場での使用頻度が圧倒的で「統計検定 データサイエンス基礎」の公式ソフトでもある「Excel（分析ツール）」、後半では研究の場での活用頻度が高い「R」をベースに医学向けGUIを実装した「EZR」を用いたデータ分析を予定している。

また、演習の中では、e-learning教材の活用や統計検定2～3級レベル、データサイエンス基礎レベルの課題への取り組みも予定している。

受講者の関心領域によってはゲストスピーカーの協力を得ることもある。

なお開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮し、一部メディア授業も取り入れる。

1．導入・統計の基礎（データ駆動型社会・データサイエンス活用事例、ビッグデータ、データの種類の概説、プライバシー保護、個人情報の取り扱いを含む） 1回　
2. 「Excel, Rの基礎」、データの可視化 2回　
3．クロス集計表　2回　
4.　データ分析手法 2回　
5． 相関　2回　
6.　群間比較　2回　
7.　回帰分析 2回
8.　「AI・機械学習の基礎と展望」1回
9.　レポート課題について　まとめ　フィードバック等　1回　

なお、講義の進度・文科省のモデルカリキュラム等を反映して内容順序の変更や省略・追加を行うことがある。