データSとAI B

学習指導案

■単元名
データサイエンスとAIの初歩Bコース　Unit1-4　確率と統計

■単元の学習目標
加法定理と乗法定理などの確率の基礎を学ぶ。
平均、メジアン、標準偏差といった基本的統計量を学ぶ。
アンスコムのデータセット、ランダムウォーク、モンテカルロ法など、統計で話題になる事柄を学ぶ。
ベンフォードの法則を様々な計算データで確認する。

■テーマ選定の理由
確率と統計は科学の基礎とも言えるだけでなく、実社会でも役に立つ重要な学問分野である。コンピューターを使えば効率良く学習できるが、そのような機会はなかなか無い。ここでは、Pythonを使って基本的な確率・統計の考え方を理解するとともに、実際に確率・統計の計算ができるようにする。

■単元の学習計画
カリキュラム
確率の計算　Unit1　60分
加法定理と乗法定理
バースデーパラドックス
基本的統計量　Unit2　60分
統計の話題　Unit3　60分
乱数
ランダムウォーク
モンテカルロ法
ベンフォードの法則　Unit4　60分

■育成したい思考力
ロジカルシンキング
クリティカルシンキング。例えば、バースデーパラドックス。

■評価計画
確率の基本的な考え方を理解している。
基本的統計量が計算できる。

■応用・発展
身近なデータを使って基本的統計量を算出してみる。

学習指導案

■単元名
データサイエンスとAIの初歩Bコース　Unit5-8　ベイズ統計

■単元の学習目標
ベイズ統計、特にベイズの定理を理解する。
ベイズ的意思決定、ベイズ更新、ベイズフィルターなどが実際に役立つことを理解する。

■テーマ選定の理由
ベイズ統計学は実社会の広い分野で応用が効くことから、脚光を浴びており、実際に様々な分野で活用されている。しかしながら、多くの生徒はベイズ統計学について、きちんと学ぶ機会が少ない。ここでは、基本となる定理とその様々な応用を見ていく。

■単元の学習計画
カリキュラム
ベイズ統計とは　Unit5　60分
確率の基本
ベイズの定理
難病xの疑い
ベイズ的意思決定　Unit6　60分
ベイズ更新　Unit7　60分
ベイズフィルター　Unit8　60分

■育成したい思考力
ロジカルシンキング
クリティカルシンキング。例えば、難病xの疑い。

■評価計画
ベイズの定理を理解して、使うことができる。
ベイズ的意思決定について理解している。
ベイズ更新について理解している。
ベイズフィルターについて理解している。

■応用・発展
ベイズ統計学についてさらに自分で調べてみる。

学習指導案

■単元名
データサイエンスとAIの初歩Bコース　Unit9　データサイエンスの初歩

■単元の学習目標
タイタニック号の乗船者のデータから情報を導き出す。

■テーマ選定の理由
ビッグデータから数学、統計学、計算機科学を駆使して、意味のある情報、法則、現象間の関連姓などを導き出し、新たな価値をもたらすデータサイエンスの分野が注目を浴びている。実際のデータから情報を導き出す経験は将来役に立つと期待される。

■単元の学習計画
カリキュラム
タイタニック号からの生還　Unit9　60分

■育成したい思考力
ロジカルシンキング

■評価計画
PythonのライブラリであるPandas、Seabornなどを使って簡単なデータの処理ができる。

■応用・発展
他のデータを使って、そこから意味のある情報を引き出してみる。

学習指導案

■単元名
データサイエンスとAIの初歩Bコース　Unit10-12　AIの初歩

■単元の学習目標
AIの初歩として回帰、分類、クラスタリングについて学ぶ。

■テーマ選定の理由
AIが様々な分野で活用されるようになってくると、その中の仕組みをある程度は知っておいた方が良いと考えられる。しかしながら、多くの生徒にとって、その機会は少ない。ここでは、AIの初歩的なテーマとして、回帰、分類、クラスタリングの3つに焦点を当て、その原理を学び仕組みを理解する。

■単元の学習計画
カリキュラム
AI（人工知能）研究の歴史　Unit10　60分
回帰
分類　Unit11　60分
クラスタリング　Unit12　60分

■育成したい思考力
ロジカルシンキング

■評価計画
回帰について理解している。
分類について理解している。
クラスタリングについて理解している。

■応用・発展
ディープラーニングなどのAIの最先端技術について調べてみる。