| 授業科目名 | 年度 | 学期 | 開講曜日・時限 | 学部・研究科 | 全担当教員 | 単位数 |
|---|---|---|---|---|---|---|
| 50199:[2025 秋セメスター]エンターテインメントのためのデータ科学 (W) | 2025 | 秋セメスター | 火3 | 映像学部 | 斎藤 進也 | 2 |
キャンパス
授業施設
授業で利用する言語
授業の概要と方法
※ 本講義では、Pythonの実行環境としてAnaconda、Jupyter Notebookを用いる。受講生は各自のPCでプログラムの作成を行うこととなるため、受講前に、Anacondaを各自のPCにインストールできるかを確認しておくことが望ましい。
【Anacondaのインストールについての参考サイト】
（win）
https://sukkiri.jp/technologies/ides/anaconda-win_install.html
(mac)
https://sukkiri.jp/technologies/ides/anaconda-mac_install.html
(win / mac)
https://ai-inter1.com/python-install/
対面授業：1, 2, 4, 6, 8, 11, 13,14回
WEB授業（オンデマンド）：3, 5, 7, 9,10, 12回
「同時性」「双方向性」ついては、対面回において他の回の分も含めて質問等を受けること、また、Manaba+Rやメールでも対応することで担保する。
受講生の到達目標
２）データ科学や機械学習の基礎概念について理解する
３）上記２点をゲーム開発やコンテンツマーケティング、ユーザー行動分析などに活用する方法について理解する
事前に履修しておくことが望まれる科目
授業スケジュール
| 授業回数/ 担当教員（複数担当の場合） |
テーマ |
|---|---|
| キーワード・文献・補足事項等 | |
| １ | イントロダクション |
エンターテインメントの道具としてのデータ科学、データ科学の道具としてのPython
|
|
| 2-4 | Pythonの基本と数値計算 |
基本文法、算術演算、ライブラリ
|
|
| 5-8 | Pythonによるデータ科学 |
統計の基礎知識、データ処理の基本
|
|
| 9-13 | AIとその社会活用 |
AI、機械学習、強化学習、エンターテインメントへの応用
|
|
| 14 | まとめ |
授業総括、機械学習の発展的応用、アカデミズムへの接続
|
授業実施形態
授業スケジュールは以下を予定している。変更がある場合はmanaba+Rで周知する。
対面授業：1, 2, 4, 6, 8, 11, 13,14回
WEB授業（オンデマンド）：3, 5, 7, 9,10, 12回
授業外学習の指示
その他課題の詳細については、授業内で指示する。
成績評価方法
| 種別 | 割合(%) | 評価基準等 |
|---|---|---|
| 定期試験（筆記） | 0 | |
| レポート試験 （統一締切日を締切とするレポート） |
0 | |
| 上記以外の試験・レポート、平常点評価 （日常的な授業における取組状況の評価） |
100 | 受講生の到達目標に関する基本的な理解度を問う「標準課題」を毎回提示する。また、同様に、応用的なコーディング能力を問う「チャレンジ課題」を出し、授業内容をより高度に活用できるかどうかを評価する。(80%)
|
成績評価方法(備考)
受講および研究に関するアドバイス
教科書
教科書(使用頻度、その他補足)
参考書
参考書(使用頻度、その他補足)
参考になるwwwページ
授業内外における学生・教員間のコミュニケーションの方法
備考
URL:https://secure.ritsumei.ac.jp/students/pathways-future/course/curriculum.html/