本课程的目的是学习从科学知识中客观分析各类数据的基本方法，重点是数学思维，因为无论是在大学学习专业课程，还是毕业后活跃于社会，数据分析的知识和技能都变得不可或缺。

课程内容

这门课主要面向一年级学生，采访当天是第七讲，阶梯教室里坐满了学生。
不使用教科书，而是通过电子学习管理系统 Moodle 提供材料。所有学生都打开个人电脑上课。

教师提前布置作业，并应认真阅读教材。
课堂一开始就讲解了作业。这次的作业是讨论平均数、中位数和模式，并以松浦老师最喜欢的棒球数据为例，通俗易懂地解释了 “在任何时候取平均数都没有意义”。

随后是对相关性的解释，这是对上一课的回顾，包括两个变量之间存在相关性并不意味着存在因果关系。
在当天课程的稍后部分，又用相关系数对上行正相关和下行负相关进行了更详细的解释。教材上排满了使用Σ（西格玛）的公式，乍一看似乎很难，但实际上，并不是进行困难的计算，而是主要讲解公式所追求的目标和计算数据的意义，让学生了解处理数据时应注意的事项。

他还解释了绘制散点图的重要性，他说：”有时，在进行杂乱无章的计算之前，先将数据绘制成图，就能看清事物的本质。他强调说，虽然使用计算机可以让我们进行困难的分析，但有必要先用原始方法确定数据的性质，然后再进行过多的思考”。这些话给我留下了深刻的印象，我觉得这是一堂基础课，对学生们将来从事专业领域的研究很有帮助。

由于这是一门以季度为单位的课程，一共有八节课，现在正处于总结阶段，在课程的最后还讲解了提交报告的相关事宜。此外，还详细介绍了评价标准，对于四月份刚入学的一年级学生来说，这将是一次很好的学习经历，让他们知道如何对待大学课堂。
具体的例子通俗易懂，是一门真正的 “基础 “课程。请学习这门课程，并在今后的研究中加以利用。

教师的评论

人工智能（AI）和数据科学如今已成为全球瞩目的焦点，各国都在为开发和利用这些技术展开激烈的竞争。在日本，人们也越来越意识到，利用数据的能力是上班族必备的基本技能。

在这门课上，学生将学习观察和处理数据的基本方法。这门课所学到的知识将在毕业研究等分析实验和观测数据时发挥作用，也将为毕业后作为 “数据达人 “活跃于社会打下基础。理学院设有数学与数学信息学课程，专门研究数学、数据科学和人工智能，但这门课程也对本专业以外的学生开放，事实上理学院的大部分学生都选修这门课程。

在课堂上，除了日常生活中的例子，我还会举例说明我个人感兴趣的职业棒球（尤其是我支持的中日龙队）和国外（尤其是我曾经生活过的瑞典）的数据。当然，并不是所有学生都对职业棒球或外国感兴趣，但我还是敢于谈我自己喜欢的东西。我认为，学习不是勉强地学，而是在求知欲的驱使下无私地探索。为了传达这一点，我认为必须表明我喜欢分析自己感兴趣的数据，并将其付诸实践。

顺便说一句，有一种错觉是，有了人工智能，一切皆有可能，但人工智能并不是一种 “神奇的工具”，它在原则上使不可能成为可能；即使是人工智能，也不能违背永恒和普遍的科学原则。而对这些普遍原理的探索正是理学院教育和研究的特色。科学技术与时俱进，我们在大学里学到的知识也日渐过时。然而，在理学院的课堂上所学到的科学原理却是终身通用的。我们希望 “数学信息学基础 “课程的内容也能为学生的一生奠定长久的基础。

学生对课程的评价

Yikumi Iwai，理学院理学系一年级学生。

你会不会想：”这两者之间一定有关系，因为它们是相关的”？如果这是你高中以前所学数学的范围，你就会这么想。在本讲座中，您将学习从科学角度客观分析数据的基本方法。由于有多种数据分析方法，教授将以每堂课一个关键词的速度，结合实例进行讲解。例如，您将了解到某些数据存在相关性并不一定意味着存在因果关系，反之亦然。

通过这门课程，我觉得自己的数据思维方式发生了变化。这是因为，我不再从一个方向考虑数据，而是能够从数值和图表等不同角度分析数据，同时使用 Excel 的功能。

有鉴于此，我们强烈建议今后想从事数据分析工作的人或对数据分析感兴趣的人参加这次讲座。