シラバス Syllabus

授業名 データ分析
Course Title Data analysis
担当教員 Instructor Name 蔡　東生（DongSheng Cai）
コード Couse Code NUC253_N25B
授業形態 Class Type 講義 Regular course
授業形式 Class Format On Campus
単位 Credits 2
言語 Language JP
科目区分 Course Category
学位 Degree BSc
開講情報 Terms / Location 2025 UG Nisshin Term3

授業の概要　Course Overview

Mission Statementとの関係性 / Connection to our Mission Statement

新しい事にチャレンジし、ビジネスリーダーとしての役割を果たすためには、十分な情報と分析が必要です。本講義は、分析練習を繰り返して行い、統計学的思考力、統計的分析力を育成します。
Enough information and analysis are necessary for challenging new plans and leading business society
We develop ability of statistical thinking and analysis based on practical analyses of real data in this course

授業の目的（意義） / Importance of this course

学生は、Missionを実現するために必要な統計的思考力、統計的分析力を育成します。
Students develop their ability of statistical thinking and analysis for achieving the mission

到達目標 / Achievement Goal

学生は、大学での勉強および社会人になってからの仕事のうえで、必要な実践的な統計分析力を獲得します。

Students acquire their statistical ability which is useful for study and」ob during students or after graduation

本授業の該当ラーニングゴール　Learning Goals

*本学の教育ミッションを具現化する形で設定されています。

LG1 Critical Thinking
LG2 Diversity Awareness
LG4 Effective Communication
LG5 Business Perspectives (BSc)

受講後得られる具体的スキルや知識　Learning Outcomes

学生は、統計データ分析の実際の手法を、パソコン実習を通して学びます。

Students learn basic statistical knowledge and skills of statistical analysis of real data

SDGsとの関連性　Relevance to Sustainable Development Goals

Goal 4 質の高い教育をみんなに（Quality Education）

教育手法　Teaching Method

教育手法 Teaching Method % of Course Time
インプット型 Traditional 50 %
参加者中心型 Participant-Centered Learning ケースメソッド Case Method 50 %
フィールドメソッド Field Method 0 %
合計 Total 100 %

事前学修と事後学修の内容、レポート、課題に対するフィードバック方法　Pre- and Post-Course Learning, Report, Feedback methods

準備学習方法
毎回の講義内容に対応する教科書の範囲をClassroomに掲載するので、教科書を読んでl-2時間勉強し、概要を理解してくること。
課題に対するフィードバック方法
講義内容を復習し、不明な点はOffice hourに研究室に質問に来てください。
中央情報センターの利用
経済数学の基礎知識を修得するために、情報センターの文献の利用を勧めます。

授業スケジュール　Course Schedule

第1日（Day1）

［第1回散布度］分析の準備
・分析ソフトのダウンロード
・分析ソフトの使用方法
分析手法：箱ひげ図
l)分析の手法について勉強し、まとめのテストを行う。
2)分析の手法とデータを用いて、分析の実習課題を行う。
［第2回相関係数］分析手法：相関分析
1) 分析の手法について勉強し、まとめのテストを行う。
2) 分析の手法とデータを用いて、分析の実習課題を行う。
3) ケース1を用いてケーススタディを行う。
　


●使用するケース
ケースl:相関係数問題

第2日（Day2）

［第3回平均値の検定：t検定］統計的検定の概要
l)分析の手法の概要について勉強し、まとめのテストを行う。
2)分析の手法とデータを用いて、分析の実習課題を行う。
［第4回 平均値の検定．分散分析］
分析手法：平均値の差の検定、分散分析
1) 分析の手法について勉強し、まとめのテストを行う。
2) 分析の手法とデータを用いて、分析の実習課題を行う。

第3日（Day3）

［第5回回帰分析l J
分析手法：単回帰分析
l)分析の手法について勉強し、まとめのテストを行う。
2)分析の手法とデータを用いて、分析の実習課題を行う。
［第6回回帰分析2]分析手法：重回帰分析
1) 分析の手法について勉強し、まとめのテストを行う。
2) 分析の手法とデータを用いて、分析の実習課題を行う。

第4日（Day4）

［第7回回帰分析3]
分析手法：回帰分析、ロジスティック回帰分析分析の手法につい実習課題を行う。
［第8回 回帰分析4:練習問題］
分析手法：回帰分析、ロジスティック回帰分析の練習問題を行う。


●使用するケース
ケース2:検査の陽性・陰性問題

第5日（Day5）

［第9回主成分分析］分析手法：主成分分析
l)分析の手法について勉強し、まとめのテストを行う。
2)分析の手法とデータを用いて、分析の実習課題を行う。
［第l 0回因子分析］分析手法：因子分析
1) 分析の手法について勉強し、まとめのテストを行う。
2) 分析の手法とデータを用いて、分析の実習課題を行う。


第6日（Day6）

［第l l回 ノンパラメトリック検定l J
分析手法：順位の差の検定(2変数の場合）
1) 分析の手法について勉強し、まとめのテストを行う。
2) 分析の手法とデータを用いて、分析の実習課題を行う。
3) ケース3を用いてケーススタディを行う。
［第l 2回 ノンパラメトリック検定2]
分析手法：順位の差の検定(3変数以上の場合）
l)分析の手法について勉強し、まとめのテストを行う。
2)分析の手法とデータを用いて、分析の実習課題を行う。

●使用するケース
ケース3:ノンパラメトリック検定問題

第7日（Day7）

［第l 3回 クラスター分析］分析手法：クラスター分析
l)分析の手法について勉強し、まとめのテストを行う。
2)分析の手法とデータを用いて、分析の実習課題を行う。
［第l 4回独立性の検定］分析手法：独立性の検定
l)分析の手法について勉強し、まとめのテストを行う。
2) 分析の手法とデータを用いて、分析の実習課題を行う。
3) ケース2を用いてケーススタディを行う。
Termの講義の復習と総まとめを行います。また定期試験ガイダンスを行います。

成績評価方法　Evaluation Criteria

*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
講師用内規準拠 Method of Assessment Weights
コールドコール Cold Call 0 %
授業内での挙手発言 Class Contribution 15 %
クラス貢献度合計 Class Contribution Total 15 %
予習レポート Preparation Report 15 %
小テスト Quizzes / Tests 20 %
シミュレーション成績 Simulation 0 %
ケース試験 Case Exam 0 %
最終レポート Final Report 0 %
期末試験 Final Exam 50 %
参加者による相互評価 Peer Assessment 0 %
合計 Total 100 %

定期試験　Final Exam

あり

評価の留意事項　Notes on Evaluation Criteria

グループディスカッション内での発言と、クラス全体での積極的な発言を高く評価します。

使用ケース一覧　List of Cases

    ケースは使用しません。

教科書　Textbook

  • 涌井良幸·涌井貞美「統計学の図鑑」技術評論社（2015）978-4774173313

参考文献・資料　Additional Readings and Resource

1) 藤田岳彦著「穴埋め式確率．統計らくらくワークブック」講談社、2003年(ISBN:4061539949)
2) 小島寛之著「完全独習統計学入門」ダイヤモンド社、2006年(ISBN:4478820090)
3) 涌井良幸著「実習統計学入門」技術評論社、2011年(ISBN:9784774145075)
4) 西内啓著「統計学が最強の学問である」ダイヤモンド社、2013年(ISBN:4478022216)
5) 村上知也、矢本成恒著「ビジネスで本当に使える超統計学」秀和システム、2014年(ISBN:479804153X)

授業調査に対するコメント　Comment on Course Evaluation

特になし

担当教員のプロフィール　About the Instructor　

東京大学工学部航空学科卒業後、スタンフォード大学にて博士号（航空宇宙工学）を取得。神戸大学を経て、1992年より筑波大学に勤務し、現在は名古屋商科大学に所属。専門はAI駆動型科学計算、量子コンピューティング、数理解析、宇宙物理実験。また、メタバースやバーチャルリアリティ（VR）を活用した科学データの可視化に取り組み、脳科学、感情モデリング、ヒューマン・ロボットインタラクションの研究も行っている。
NASA、ESA、JAXAとの共同研究経験が豊富で、宇宙空間プラズマシミュレーションや量子機械学習の分野で国際的な業績を上げている。近年は、量子最適化アルゴリズムの開発、ディープラーニング、コンピュータグラフィックスの教育にも力を注いでいる。
これまでにベストティーチャー賞（筑波大学、東京大学）、フランス国立科学研究センター（CNRS）可視化賞、Oscar Buneman Award など、多くの教育・研究関連の受賞歴を持つ。複数の言語（英語、中国語）に精通し、国際的な研究・教育活動を展開している。
これまでの担当授業：線形代数、数値解析とシミュレーション、深層学習、コンピュータグラフィックス など。

After graduating from the Department of Aeronautics at the University of Tokyo, he earned a Ph.D. in Aeronautics and Astronautics from Stanford University. Following his tenure at Kobe University, he joined the University of Tsukuba in 1992 and is currently affiliated with Nagoya University of Commerce and Business. His research specialties include AI-driven scientific computing, quantum computing, mathematical analysis, and space physics experiments. Additionally, he is engaged in the visualization of scientific data using the Metaverse and Virtual Reality (VR), as well as research in brain sciences, emotion modeling, and human-robot interaction.

He has extensive experience in collaborative research with NASA, ESA, and JAXA, and has made significant international contributions in the fields of space plasma simulations and quantum machine learning. In recent years, he has also focused on developing quantum optimization algorithms and teaching deep learning and computer graphics.

He has received numerous awards in education and research, including the Best Teacher Award (University of Tsukuba, University of Tokyo), the Visualization Prize from the French National Center for Scientific Research (CNRS), and the Oscar Buneman Award. He is proficient in multiple languages, including English and Chinese, and actively engages in international research and educational activities.

Courses previously taught: Linear Algebra, Numerical Analysis and Simulation, Deep Learning, Computer Graphics, among others.

（実務経験 Work experience）

筑波大学

(1992 - 2025)
- 高性能計算、量子機械学習、宇宙プラズマシミュレーションの研究を主導。
- 3D大域的粒子シミュレーション（PIC）の開発を実施。
- VRを活用した複雑な数学・物理現象の可視化に取り組む。

神戸大学

(1989 - 1992)
- 西日本の初期インターネットインフラの構築に携わる。
- スペースシャトルのプラズマ環境シミュレーションを実施。

スタンフォード大学 / NASAマーシャル宇宙飛行センター

NASAフェローシップ (1985 - 1989)
- スペースシャトル（STS-9, STS-45）でのSEPACビーム実験のデータ解析を担当。
- 超低周波（ELF）プラズマ振動の理論研究を実施。
---

海外での研究・共同プロジェクト

- NASA、ESA、JAXAとの共同研究に従事し、宇宙プラズマ・量子コンピューティング分野で国際的な成果を上げる。
- NASA MMS（磁気圏マルチスケールミッション）の磁場トポロジー研究を主導。
- 量子最適化アルゴリズムの開発、ロボット感情モデリングのAI開発にも取り組む。

University of Tsukuba
(1992 - 2025)

Led research in high-performance computing, quantum machine learning, and space plasma simulations.

Developed 3D global Particle-in-Cell (PIC) simulation codes.

Engaged in visualization of complex mathematical and physical phenomena using VR.

Kobe University
(1989 - 1992)

Contributed to the development of early internet infrastructure in western Japan.

Conducted space plasma environment simulations for the Space Shuttle.

Stanford University / NASA Marshall Space Flight Center
NASA Fellowship (1985 - 1989)

Responsible for data analysis of the SEPAC Beam Experiment on Spacelab-1 (STS-9, STS-45) aboard the Space Shuttle.

Conducted theoretical research on extremely low-frequency (ELF) plasma oscillations.

International Research & Collaborative Projects
Engaged in collaborative research with NASA, ESA, and JAXA, achieving significant international contributions in the fields of space plasma simulations and quantum computing.

Led magnetic field topology research for NASA's Magnetospheric Multiscale (MMS) Mission.

Worked on the development of quantum optimization algorithms and AI-driven emotion modeling for robotic applications.






ページ上部へ戻る