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I」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。
本演習は、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・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「統計入門」のような統計学の入門的講義科目で学んだことを踏まえ、統計解析ソフトを用いて実データの分析を行う。データ分析の手続きや結果の考察、さらには背景となる理論を実践的に学習することで、統計学的分析の基礎知識および分析の基本的スキルの習得を目指す。加えて、基本的な機械学習、AIの手法についても学ぶ。

本講義の単位（2単位）を修得することで、文部科学省が定める数理・データサイエンス・AI教育プログラム　応用基礎レベル(MDASH Advanced Literacy)修了証の取得が可能である。
修了証取得の手続きについては、講義内で担当教員より指示がある。

1.データ分析の理論的基礎となる確率論や統計学等の基礎を理解する
2. Excel やR言語等を用いてデータ分析に必要な基礎的な統計処理ができるようになる
3. 自らの専門分野に数理・データサイエンス・AIを応用するために、分散分析・回帰分析などのデータ解析について概要を理解し、適切な手段で実装できるようになる

授業回数はフィードバックを含め全15回とし、統計ソフト (ExcelやRを想定) を用いてデータ分析を実践する。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、第4, 5回と第13回等一部メディア授業も取り入れる。

1. 導入（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
2,3. 「Excel, Rの基礎」、データの可視化: 2回
4,5. クロス集計表: 2回 【メディア授業:同時双方向型】
6,7. データ分析手法: 2回
8,9. 相関: 2回
10,11. 群間比較: 2回
12. 回帰分析(1) : 1回
13. AI・機械学習の基礎と展望: 1回 【メディア授業:同時双方向型】
14. 回帰分析(2) : 1回
15. まとめ、フィードバック、レポート課題等 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。