Course Name Year Term Period Faculty / Graduate School All Instructors Credits
30805:[2025 Fall]Foundations of Data Engineering (G2) 2025 Fall Wed7 College　Of　Law,College　Of　Economics,College　Of　Business　Administration,College　Of　Social　Sciences,College　Of　International　Relations,College　Of　Policy　Science,College　Of　Letters,College　of　Image　Arts　and　Sciences,College　of　Comprehensive　Psychology,College　of　Science　and　Engineering,College　of　Gastronomy　Management,College　of　Information　Science　and　Engineering,College　of　Life　Sciences,College　of　Pharmaceutical　Sciences,College　of　Sport　and　Health　Science　(tentative　name) NISHIKADO HIDETO 2

Campus

*

Class Venue

施設なし

Language

Japanese

Course Outline and Method

ICT（情報通信技術）の進歩により，スマートフォンやIoTデバイスなどのさまざまなデバイスからインターネットを経て，多種多様なデータが収集されている．この大規模データ（ビッグデータ）を，コンピュータで分析・管理・保護するための基礎技術について広く学ぶ．コンピュータ内部でのデータ表現や，データを扱う手順をコンピュータに指示するためのプログラミングやアルゴリズムの基礎を学び，実際にコンピュータでデータを分析する過程を概観する．
本科目は，文部科学省の「数理・データサイエンス・ＡＩ教育プログラム認定制度（応用基礎レベル）」のモデルカリキュラムを同じ教養科目である「データサイエンス・AI基礎」と合わせてカバーする内容となっている．
オンデマンド形式の教材を視聴して，各授業回において理解度の確認を行うとともに，演習，PBL課題などを課して，到達目標の達成度を確かめる．

Student Attainment Objectives

数理・データサイエンス・ＡＩについて、以下のことについて理解・習得することを目標とする。
・データを収集・処理・蓄積するための技術の概要を理解することができる。
・コンピュータでデータを扱うためのデータ表現の基礎を理解することができる。
・Webサイトやエッジデバイスから必要なデータを収集することができる。
・データベースからのデータ抽出方法を理解することができる。
・データを可視化し、意味合いを導出することができる。
・プログラミングの基礎を理解することができる。
・収集したデータを加工することができる。
・ITセキュリティの基礎を理解することができる。
・データを分析し、分析結果をもとに起きている事象の背景や意味合いを理解できる。

Recommended Preparatory Course

所属している学部で開講されている「データサイエンス+Rプログラム（基礎）」の対象科目

Course Schedule

Lecture/Instructor（When there are multiple instructors) Theme
Keyword, References and Supplementary Information
1

ビッグデータとデータエンジニアリング
【＋R 授業】詳細はmanaba＋R を参照

ICT（情報通信技術）の進展，ビッグデータ

2

データ表現（1）

コンピュータで扱うデータ， 情報量の単位（ビット，バイト），2進数

3

データ表現（2）

2進数，16進数，接頭語（KB（キロバイト），GB（ギガバイト）），浮動小数点数，文字コード

4

データ表現（3）

配列，グラフ，画像データ，音声データ

5

プログラミング

変数，代入，条件分岐と繰り返し，関数，引数

6

アルゴリズム（1）

アルゴリズム，アルゴリズムの表現方法，データの並べ替え

7

アルゴリズム（2）

高度なデータの並べ替え（マージソート），データの探索

8

アルゴリズム（3）

アルゴリズムと計算量，数理最適化

9

データの収集

IoT （Internet of Things），エッジデバイス，スクレイピング，Webクローラー

10

データの整形・加工

データクレンジング，フィルタリング処理，アノテーション，結合処理

11

データベース

リレーショナルデータベース，テーブル定義，ER図，データ操作言語，NoSQL，分散処理

12

ITセキュリティ

情報セキュリティの基礎概念，情報セキュリティの三要素，暗号モデル，秘密鍵暗号，公開鍵暗号

13

データ分析演習（1）

プログラミング演習

14

データ分析演習（2）

Webスクレイピング演習

Class Format

全ての授業をメディア授業（オンデマンド型）で実施

Recommendations for Private Study

授業は全てオンデマンド教材を使用して行われます。
自身の修得度に合わせて何度も学習し、各回修得が求められる知識や技能を着実に学習してください。

Grade Evaluation Method

Kind Percentage Grading Criteria etc.
Final Examination (Written)

Report Examination
(A report to be submitted by the unified deadline)

Exams and/or Reports other than those stated above, and Continuous Assessment　
(Evaluation of Everyday Performance in Class)		 100

各回の授業において小テストをmanaba+Rにて実施する．2回のレポート課題を実施する．小テストとレポート課題を以て総合的に評価する．

Grade Evaluation Method （Note）

Advice to Students on Study and Research Methods

Textbooks

Title Author Publisher ISBN Code Comment
応用基礎としてのデータサイエンス　改訂第2版 北川源四郎 他（編）,　赤穂昭太郎 他（著） 講談社 978-4-06-538618-7

Textbooks （Frequency of Use, Note）

Reference Books

Reference Books （Frequency of Use, Note）

Web Pages for Reference

How to Communicate with the Instructor In and Out of Class(Including Instructor Contact Information)

Communication Paper,Interactive Sheet,Learning Management System （manaba+R）,Other (Separate instructions will be provided)

Other Comments

【科目ナンバリング・カリキュラムマップはこちらから/Click here to see the Curriculum-Map and Course-Numbering】
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/