#author("2023-09-23T14:55:51+09:00;2023-09-18T11:26:47+09:00","default:inoue.ko","inoue.ko") #author("2023-09-23T15:06:32+09:00;2023-09-18T11:26:47+09:00","default:inoue.ko","inoue.ko") *第１回 ガイダンス [[データサイエンス/2023]]｜[[受講生一覧>https://design.kyusan-u.ac.jp/socialdesign/?%E3%83%87%E3%83%BC%E3%82%BF%E3%82%B5%E3%82%A4%E3%82%A8%E3%83%B3%E3%82%B9]]｜[[汎用シート>https://docs.google.com/spreadsheets/d/1g-6TyzeQg3md55l9SGnqN-USBsoCNYOwSDDUOKVBJu8/edit?usp=sharing]] ~ ***CONTENTS #contents2_1 ~ ~ **はじめに ***現代社会におけるデータサイエンスの位置付け データサイエンス（Data Science）とは、データそのものの性質やデータを取り扱う手法を研究する科学全般を指す言葉で、[[統計学>Statistics]]、[[機械学習>MachineLearning]]、[[データマイニング>DataMining]]、可視化・・など、様々な分野を包括する概念です。 数値や文字（カテゴリ）として得られるデータを統計的手法や機械学習（近年の [[AI>ArtificialIntelligence]] の技術ベース）などを用いて分析・処理することによって、世界に潜む様々な物事の関係（モデル）を見出す科学であるとも言えます。 ~ 関連する諸分野との関係を図で表すと以下のようになります。 [[GoogleImage:Data Science Machine Learning AI]] これが正しい・・という図を書くことはできません。作図する人の立場や説明の手順によって、それぞれの包含関係は変わるので、ざっくり位置関係を把握すれば十分ではないかと思います。 ~ ***コンピュータが可能にしたこと 今日の AI技術 もデータサイエンスも「大量のデータから最適解を見出す」という点では共通しています。これまで、数理的な問題解決には、解析的な方法で数式を解いて答えを出す・・という学び方をしてきたと思いますが、コンピュータが使える今日では「力ずくで最適解に近づく」ということが可能になりました。 数学の問題は、計算によって綺麗な整数解が得られるように作られていますが、現実の問題はそうではありません。で、実際のモノ作りの現場では、実用上「ミリの単位までの数字で十分」ということがあります。 今日の数理の世界では、コンピュータの登場によって従来とは異なる発想が可能になっている・・という事実を確認しておきましょう。 ~ ***データサイエンスにできること -判別：情報の判断・仕分け・検索、音声・画像の認識、異常検知など -予測：数値予測、ニーズ・意図予測、マッチングなど -実行：作業の自動化、表現生成、行動の最適化など ~ ***データサイエンスの限界 データからわかるのは過去から現在までことです。データの活用は、未来の予測や目標達成のための「最適化」には効果的かもしれませんが、生物の社会のような複雑な系の未来を予測することや「創発」的なデザインには限界があります。 人は未知のものにニーズを抱くことはありません。つまり過去のデータからニーズだけ探っていてもダメ・・ということです。デザインを志すみなさんには、データサイエンスの威力を感じつつも、若干引きで眺める姿勢が必要です。 ~ ***関連事項 一般にデータサイエンスの教科書では、データを扱う人の心構えとして、以下のような事項が記載されていますが、みなさんは、すでにソーシャルデザイン演習・応用演習、また学科サイトの日常的な運用において、このあたりは学習済みなので、この演習では省略します。 -情報倫理 -情報セキュリティー -[[著作権>Copyright]] と [[CreativeCommons]]・[[Copyleft]] について ~ ***本演習への取り組み姿勢について 本演習では、サンプルや受講生の成果をWeb上に公開することから、単にソースをコピペするだけでも「やったふり」ができてしまいますが、物事を「オープン・ファースト」で考えるという前提のもとで、「パクる」と「真似る」の違いを踏まえて、ポジティブに取り組む（自分自身でコードを書き換えていろいろ試してみる）ことを期待します。 -パクる：単にオリジナルを移動・複製して所有すること（盗むと同義） 「パクる」だけでは何の学びにもなりません。 -真似る：しくみを理解した上で、自分の力で同様のものを作り出すこと 「真似る」は「学ぶ」の語源とも言われる行為。子供は大人のやることを真似することで生きる術を身につけます。同様に、多くの学びは、憧れや理想を契機として、誰かの行為や創造物を真似ることからはじまります。 インターネットの普及によって、自由な情報共有を前提としたオープンな仕組みが世界を変えようとしています。誰かの情報があなたの学びに役立つと同時に、あなたが公開する情報が誰かの役に立っています。 ~ ~ **データの取り扱い ***データとは データ（Data）とは、一般に情報伝達、解釈、処理を目的として符号化された情報（与件・所与）のことです。 -日本工業規格：X0001 情報処理用語-基本用語 情報の表現であって、伝達、解釈または処理に適するように形式化され、 再度情報として解釈できるもの ~ ***データファイルの基本構造 #image(Data/TableElements.png,right,25%) データファイルは一般に２次元の表形式で与えられます。以下の用語を理解しておくことが必要です。 -''テーブル / Table''（表）：通常１つのファイル -''レコード / Row''（行）：１件分のデータセット -''フィールド / Column''（列）：特定項目に関するデータセット #clear ''表の先頭行にはフィールド名（項目見出し）が並ぶ''のが一般的です。 &scale(75){出典：https://commons.wikimedia.org/wiki/File:Table_Elements.svg}; ~ ***様々なデータファイル形式 -''CSV''（.csv） CSV（Comma-Separated Values）は、表形式のデータ等でフィールド項目をカンマ [ , ] で区切ったテキストデータです。データ交換用の標準形式として、多くのスプレッドシートやデータベースソフトで活用されています。ちなみに、タブで区切られたものをTSV（Tab-Separated Values）、半角スペースで区切られたものを Space-Separated Values といいます。 -''EXCEL''（.xlsx） みなさんお馴染み、スプレッドシートの代表的なデータ形式です。データとして読ませること前提とした Excelシートの場合、''表の先頭行がフィールド項目名になるよう''にしましょう（視覚的な配慮のための余白や、大見出し等は省略してシンプルな表にします）。 -JSON（.json） Webアプリケーションの世界でよく利用される形式です。興味のある方は、以下のページをご参照ください。 JavaScript Object Notation ＞__[[JSON]]__ ~ ***オープンデータについて オープンデータとは、著作権、特許などの制限なしで、全ての人が自由に利用・再掲載できるデータ（またその考え方）です。興味のある方は、以下のページをご参照ください。 -詳細はこちら ＞__[[OpenData]]__ ~ ~ **データと尺度 統計的な処理では、一般にデータを以下のように分類します。 ~ ***質的データ（定性的データ, カテゴリーデータ ) -''名義尺度''（nominal scale）同一性 対象を分類するために番号を割り当てたもので、等しいか否かにのみ意味があって、番号の大小には意味のない尺度です。 ''例）''血液型（Ａ型：1，Ｂ型：2，･･･，O型：4） -''順序尺度''（ordinal scale）同一性・順序性 順序には意味があるが、その間隔には意味がない数値を割り当てたもので、大小の比較は可能ですが、その間隔や比率には意味はありません。 ''例）''ミネラルウォーターの売上BEST10（商品を順に１位、２位、３位・・と割り当てる場合など）、満足度（非常によい：4，よい：3，悪い：2，非常に悪い：1 などで、項目間の間隔が不均等とみなされる場合） ~ ***量的データ ( 定量的データ, 離散データ / 連続データ) -''間隔尺度''（interval scale）同一性・順序性・加法性 測定対象の差を等間隔の目盛りで評価するもので、その和や差には意味がありますが、比率には意味はありません。 ''例）''知能指数、摂氏の温度、満足度（非常によい：4，よい：3，悪い：2，非常に悪い：1 などで、差項目間の間隔が「均等」とみなされる場合、例えば評定値 ４と３の差 と評定値３と３の差が等間隔とみななされる場合）((そもそも、こうした印象評価の段階的な数字は、等間隔である保証はできず、本来であれば順序尺度として扱うものですが、実際の研究では、これを間隔尺度として、統計ソフト等で分析にかけることが多いようです。))。 -''比率尺度''（ratio scale）同一性・順序性・加法性・等比性 原点（０）が定まっていて、間隔にも比率にも意味があるもので、和差積商の計算が自由にできるものです。 ''例）''身長、体重、金額、絶対温度など ~ ~ **演習１｜Spreadsheet の基礎 ~ ***はじめに -GoogleDrive のマイドライブ内に、当演習授業用のフォルダを DataScience 等の名称で作成してください。 -今後の毎回の演習の成果は、そのフォルダ内に置いた上で、学科サイト上の個人ページからリンク共有することが前提となります。 ~ ***Spreadsheet の基本操作体験 ***作業準備 -GoogleDrive > マイドライブ > DataScience フォルダの中で右クリック、新規の Spreadsheet を作成してください。 -シートの表題を「スプレッドシートの基礎」などとして下さい。 -自身のシート上に以下のような表を作成して下さい。 -スプレッドシートの入門体験の意味で、シート上に「時間割」を作成する演習を行います。以下を参考に、自分にとって見やすい時間割を作成して下さい。 事例：__[[スプレッドシートの基礎>https://docs.google.com/spreadsheets/d/1Diy9-ZS1YfsL9n1Ru82-Jk0P_DcNV5pwlXxCox6bMQQ/edit?usp=sharing]]__ &small(注）コピペすれば一瞬でできますが・・自分で操作して使い慣れて下さい。); ~ -以下の事項を確認して下さい。 --表は左端上（ A1）から埋めて下さい。データとして利用する場合は、見やすくするための行・列余白は逆に邪魔になります。 --セルの指定（ A1 , C5 など）方法を確認して下さい。 --行・列の追加挿入、複製などの基本操作を確認して下さい。 --オートフィル（曜日や連番数字は半自動的に入力可）を確認して下さい。 --SUM( ), COUNTA( ) などの関数や計算式の書き方を確認して下さい。 --必要に応じて、罫線・背景色・文字色等で表を見やすくして下さい。 --出来上がったシートをCSV形式でダウンロードして、テキストエディタ等で、その中身を確認して下さい。 --GitHubアカウントがある場合は、New Repository で DataScience 等を作成して、そこにアップして確認して下さい（任意）。 ***Spreadsheet の基本操作体験 以下の事項を確認して下さい。 -表は左端上（ A1）から埋めて下さい。データとして利用する場合は、見やすくするための行・列余白は逆に邪魔になります。 -セルの指定（ A1 , C5 など）方法を確認して下さい。 -行・列の追加挿入、複製などの基本操作を確認して下さい。 -オートフィル（曜日や連番数字は半自動的に入力可）を確認して下さい。 -SUM( ), COUNTA( ) などの関数や計算式の書き方を確認して下さい。 -必要に応じて、罫線・背景色・文字色等で表を見やすくして下さい。 -出来上がったシートをCSV形式でダウンロードして、テキストエディタ等で、その中身を確認して下さい。 //-GitHubアカウントがある場合は、New Repository で DataScience 等を作成して、そこにアップして確認して下さい（任意）。 ~ ***学科サイトで学科サイトにリンク掲載 -1. Spreadsheet を開いた状態で、右上の「共有」をクリック -2. 共有設定を変更して、以下のように表示される状態にします。 このリンクを知っているインターネット上の全員が閲覧できます。 -3. 「リンクをコピー」をクリックして、そのアドレスを、以下の形式で、学科サイトにリンク掲載して下さい。 -[[スプレッドシートの基礎>https://docs.google.com/spreadsheets/・・=sharing]] -4. 以下のようになればOKです。 https://design.kyusan-u.ac.jp/socialdesign/?JohnSmith/DataScience ~ ~ **APPENDIX 皆さんは、数学の世界を分類する__[[代数 幾何 解析>GoogleImage:代数 幾何 解析]]__という用語を覚えていますか。学問領域を完全に線引きして区別することはできないのですが、それでも分類用語を知っておくことは「今、自分は何を学んでいるのか」を理解する一助となります。データサイエンスの世界も同様、様々な [[関連用語>DataScience]] をざっくりと把握するだけでも、全体像が把握しやすくなります。 ~ 以下の区分も、知っていると世界がさらに見えやすくなります。 ~ ***[[決定論と確率論>Google:決定論 確率論]] 数理の世界には、決定論的なアプローチと、確率論的なアプローチの２つがあります。たばこの煙に例えると、たばこの先から一直線に上昇している部分の粒子の位置は、時刻 t を変数とした数式で決定論的に記述されますが、天井に拡散した粒子のふるまいは、確率論的にしか記述できません。ちなみに、その中間にある煙の「乱れそめ」の部分は「カオス理論」の対象となりあす。 -「落下する物体の位置」のように数式で記述できる事象は決定論の対象 -「臨床試験の結果」のように統計的に扱う事象は確率論の対象 ~ ***[[線形と非線形>Google:線形 非線形]] -比例関係にあるものが「線形」 '''線形な漸化式の例：'''&mathjax(X_{n+1} = a \cdot X_n + b); -比例関係にないもの、例えば、一旦下がってまた上がるようなふるまい、あるいは、予測のつかないふるまいをするものが「非線形」 '''非線形な漸化式の例：''' &mathjax( X_{n+1} = a \cdot X_n(1 - X_n) ); --0 < a < 1 のとき：一定値 X = 0 に収束 --1 < a < 3 のとき：一定値 1 - 1 / a に収束 --3 < a < 3.57… のとき：振動 --3.57… < a のとき：予測不能な複雑な動き（カオス的領域） --実際の計算とグラフ化：[[JupyterNotebook>https://nbviewer.jupyter.org/github/koichi-inoue/JupyterNotebook/blob/master/NonLinearGraph.ipynb]] -ちなみに、生き物の成長は非線形的で最後は飽和状態 ~ ~ ~