20 21
データサイエンス教育開発
データサイエンス教育開発
機械学習が学べる新 MOOC 教材は 6 月 19 日公開予定！
MOOC 開発
大学生のためのデータサイエンス（Ⅱ）の公開
本学では、オンライン学習サービスMOOC（Massive
OpenOnlineCourses）を作成しています。MOOCは、
インターネット環境があれば誰でも、またどこでも学べる
ことから、近年とても注目の集まっている教育システムで
す。
○2016年制作：「高校生のためのデータサイエンス入門」
この教材は高校生向けにデータサイエンスの基礎に
ついて紹介したものです。詳細については37頁を参照
してください。
○2017年制作：「大学生のためのデータサイエンス(Ⅰ)」
この教材は、４週分全38回の講義で構成されており、
受講者は１ヶ月に渡って、データ分析の初歩、Excel、R、
Pythonといったデータサイエンスでは必須となる統計
処理ソフトやプログラミングの技術を学ぶことができ
ます。さらに、応用事例として、画像処理や音声処理
といったデータサイエンス分野での活用、保険、金融、
マーケティングリサーチ、生命科学や品質管理といっ
た現場での使用例について、データサイエンスがカバー
する多様な領域について知ることが出来ます。
この教材は、大学生の一般教養科目での活用を想定
しており、データサイエンスを専攻していない受講者
にもデータサイエンスの教養を身につけてもらうこと
を目的にしています。
大学生のためのデータサイエンス（Ⅰ）の公開
2018年６月11日～10月10日まで公開したところ、約
4000人が受講し、アンケート結果もおおむね好評でした。
そこで、急遽第２回を10月15日～2019年２月14日まで
公開し、こちらも受講者数が約3700人となりました。本
MOOCは2019年度も（「大学生のためのデータサイエン
ス（Ⅱ）」の公開前に）開講予定ですので、昨年度の内容
を見逃した方、また、「大学生のためのデータサイエンス
（Ⅱ）」を受講する前に前回の内容を復習したい方は是非ご
覧いただければと思います。
○2018年制作：「大学生のためのデータサイエンス（Ⅱ）」
―ビジネスにつながる「機械学習」の基礎知識から先進
事例まで
この教材は、難しい数学的説明には踏み込まず、機
械学習を理解し使えるようになることを目指しており、
文系・理系の大学2年生、あるいはビジネスマンが、初
めて機械学習を学ぶのに好適な教材となっています。
このコースは、４週分全35回の講義で構成されており、
１回の講義時間は、５分から15分程度です。オンライ
ン講座で配信される際には、通学・通勤の電車の中で
スマホを使って学習することも可能な長さとなってい
ます。第1週では、機械学習とはそもそもどんなものな
のかということを、事例を交えながら説明します。第
２週では、分類問題について、各種の手法を学びます。
第３週では、回帰問題と機械学習にまつわるいろいろ
な知識を学びます。第４週では、深層学習として注目
されているニューラルネットワークについて学びます。
㈱NTTドコモとの連携により、MOOC教材はDS教育用パッケージ
として全国の大学で利用可能です。問い合わせはこちらまで！
ＤＳ連携事業推進係
TEL/FAX：0749-27-1045/1132
メールアドレス：
[email protected]
「大学生のためのデータサイエンス（Ⅱ）」の構成内容
第1週
機械学習の事例紹介 機械学習の基礎（１）分類問題第2週 機械学習の基礎（２）回帰問題・その他第3週 機械学習の発展第4週
１回目 イントロダクション 最近傍法 重回帰分析（1） ニューラルネットワークとは?
２回目 機械学習とは（1） 線形分類器 重回帰分析（2） ニューラルネットワークの基礎
３回目 機械学習とは（2） サポートベクターマシン（1） ロジスティック回帰モデル（1） ニューラルネットワークの学習
４回目 機械学習とは（3） サポートベクターマシン（2） ロジスティック回帰モデル（2） 畳み込みニューラルネットワーク
５回目 機械学習の先進的な事例 画像 決定木・ランダムフォレスト 過学習と交差検証法 ニューラルネットワーク実習
６回目 機械学習を使ったテキストからの
性格推定 単純ベイズ分類器（1） 判別分析における多クラス問題 最近のニューラルネットワークの
発展
７回目 機械学習の先進的な事例 音声 単純ベイズ分類器（2） 特徴量の設計
標準化とスパースネス エピローグ
８回目 機械学習の先進的な事例 企業分析 混合正規分布モデル 特徴量の設計 主成分分析（1）
９回目 機械学習の先進的な事例
マーケティング 特徴量の設計 主成分分析（2）
10回目 機械学習の先進的な事例 生産機械 特徴量の効果的な選択
データサイエンス2019.indb 21 2019/05/20 11:38:22
