本課程的目的是學習從科學知識中客觀分析各種數據的方法的基礎知識，重點是數學思維，因為數據分析的知識和技能對於大學學習專業領域和畢業后在社會中發揮積極作用是必不可少的。

課程內容

這門課主要針對一年級學生，採訪的那天是第七講，講堂裡坐滿了學生。
我們不使用教科書，而是通過電子學習管理系統 Moodle 提供的材料。 所有學生都打開電腦去上課。

老師會提前給你佈置作業，並要求你仔細閱讀材料。
課程從作業的解釋開始。 這一次，他的任務是考慮平均值、中位數和眾數，在解釋“取平均值並不總是有意義的”的解釋中，他以松浦最喜歡的棒球相關數據為例，以通俗易懂的方式進行了解釋。

接下來，介紹了相關性的解釋，作為對上一堂課的回顧，內容被佔用：“僅僅因為兩個變數之間存在相關性並不意味著存在因果關係。
後來，在這一天的課堂上，使用相關係數對上升的正相關和下降的負相關進行了更詳細的解釋。 材料中排列著使用Σ（sigma）的數學公式，乍一看似乎很困難，但實際上，主要重點是解釋公式得到的內容和計算數據的含義，而不是進行困難的計算，因此您可以瞭解在處理數據時應注意的事項。

他還解釋了繪製散點圖的重要性，強調“有些事情是可以看出的，如果你先做一個圖表，然後再做一個混亂的計算，你可以用計算機做一個困難的分析，但在你考慮得太辛苦之前，你需要首先確定數據的性質，因為你可以使用原始方法。 這句話給我留下了深刻的印象，我覺得這是一門基礎課，對學生將來在專業領域的研究很有用。

由於這門課是四分之一制，總共有8節課，所以是時候總結了，在課程結束時，有一個關於提交報告的解釋。 評估標準也將詳細呈現，我認為對於剛進入大學的一年級學生來說，在大學上課將是一次很好的學習體驗。
自始至終，具體的例子都是熟悉且易於理解的，它確實是一個“基礎”類。 請參加本課程，並在您未來的研究中使用它。

教師評論

如今，AI（人工智慧）和數據科學成為全球關注的焦點，各國都在進行激烈的開發和利用競爭。 即使在日本，人們也越來越認識到，利用數據的能力是上班族必不可少的基本能力。

在本課程中，您將學習如何查看和處理數據的基礎知識。 在課堂上學到的知識有助於分析畢業研究的實驗和觀察數據，也將成為畢業后作為“精通數據的人”在社會中發揮積極作用的基礎。 理學院開設了數學與數學資訊學課程，專門研究數學、數據科學和人工智慧，但該課程以外的學生也可以選修，事實上，大多數理科學生都選修。

除了日常的例子外，該課程還提供職業棒球（尤其是我支援的中日龍隊）和海外（尤其是我居住過的瑞典）的例子。 當然，並不是所有的學生都對職業棒球或海外故事感興趣，但我仍然敢於談論我喜歡的事情。 我相信學習不是你勉強學習的東西，而是被求知欲所驅使並充滿熱情地探索的東西。 為了傳達這一點，我認為重要的是要表明我願意以有趣的方式分析我感興趣的數據，並且我正在實踐它。

順便說一句，有一種錯覺，認為人工智慧可以實現任何事情，但人工智慧並不是原則上可以做不可能的“魔術工具”。 即使是人工智慧也無法違抗永恆和普遍的科學原則。 探索這些普遍原則是理學院教育和研究的一大特色。 科學技術與時俱進，我們在大學里學到的東西一天天過時。 然而，在科學課上學到的科學原理在一生中是普遍的。 我希望「數學資訊基礎」課程的內容將成為您餘生的基礎。

學生感言

理學院理學部一年級學生岩井依玖海女士

你認為兩者之間一定有關係，因為存在相關性嗎？ 如果你想想你在高中學到的數學，你會這樣想。 在本課程中，您將學習從科學角度客觀分析數據的方法的基礎知識。 由於有多種數據分析方法，因此教授以每節課一個關鍵字的速度舉例說明。 例如，您將瞭解到，僅僅因為一段數據中存在相關性並不一定意味著存在因果關係，相反，僅僅因為存在因果關係並不意味著存在相關性。

通過這門課，我覺得我對數據的思考方式發生了變化。 這是因為，現在可以在使用 Excel 函數時從數位和圖形等各種角度分析數據，而不是從一個方向考慮數據。

考慮到這些要點，我強烈推薦這門課程給任何想在未來從事數據分析職業的人，或者對數據分析感興趣的人。