１．授業の目的
情報科学の基礎を支える技術であるデータサイエンスの方法として，計数法と確率の基礎的な考え方について学びます。ここでは，様々な状況の場合分けの技術やその数え上げの技術について学ぶと同時に，ばらつきをもって生じるデータの様子を把握する方法として，確率の考え方について学びます。
２．カリキュラムにおける位置づけ
「データサイエンス基礎」はI・IIとして講義が組み立てられていますが，Iではその基礎となる計数法と確率の基礎的な考え方について学びます。この続きとなるIIではIを基礎として，データをもとに推測を行う技術としての統計的推測の方法について学ぶことになります。「データサイエンス基礎」で紹介する技術や方法により，現実の世界の様子を数理的に理解し，推測を行う技術を身につけることになりますが，別の観点からのアプローチとして「オペレーションズ・リサーチ基礎」も併修科目として用意されています。
３．他の授業との関連
先修科目：解析学I・II，情報数学　
後修科目：データサイエンス基礎II，多変量解析
関連科目：オペレーションズ・リサーチ基礎

まず，現実の世界で観察される状況を場合分けしたり数え上げたりする方法を身につけます。さらに，ばらつきをもって現象が生じる状況を科学的に表現し，理解するための技術として，確率の基本的な考え方を学びます。ここでは，確率，確率分布，平均，分散，独立性，条件付確率などの概念を修得します。

１．授業の形態・進め方
講義形式で実施します。
２．授業概要
第1～2週　 数え上げの法則
　　和・積の法則，包除原理　など
第2～3週　　順列・組み合わせ
　　順列，組み合わせ，重複順列，円順列　など
第4～5週　　2項係数
　　2項定理，2項係数の性質
第6週　　　 数え上げと証明
鳩の巣原理
第7週　　　 中間試験
第8～9週　　事象と確率
　　標本空間と事象, 確率の基本性質, 事象の独立性, 条件付確率
第10～11週　確率変数と確率分布　
　　確率変数, 分布関数, 確率関数, 密度関数, 期待値, 分散
第12～15週　代表的な確率分布　　
　　2項分布, ポアソン分布, 一様分布, 正規分布　など
第16週　　 期末試験
３．試験および出題範囲
中間試験：学期途中で実施，出題範囲は「数え上げと証明」まで。
期末試験：全範囲
【学生がより深く学ぶための工夫】
授業開始時に小テスト，終了時に確認テストを実施します。また必要に応じて練習問題を課題として出題し，レポート（宿題）の提出を求めます。

・事前に教科書の予習を行うこと。
・授業の後は，その内容を復習すること。ポイントとなる内容確認のために宿題を課すことがあります。

２冊使います。
横森　貴・小林　聡：　基礎　情報数学，サイエンス社．　
（ISBN：978-4-7819-1207-3）
（平成26年度後期からの情報数学のテキストと同じです。）
濱田昇・田澤新成：統計学の基礎と演習，共立出版．
(ISBN:4-320-01790-0)

間瀬，神保，鎌倉，金藤：工学のためのデータサイエンス入門，数理工学社．(ISBN:4-901783-12-8)

到達目標の達成度を次の方法により評価します。
中間試験　４０％，期末試験　４０％，小テスト・確認テスト・レポート（宿題）等　２０％

テキストは２冊使いますが，
１冊は平成２６年度後期からの「情報数学」のテキストと同じ，
１冊は「データ・サイエンス基礎II」（後修科目）のテキストと同じ
です。

JABEE「知能情報コース」学習・教育到達目標(A1),(d3)関連科目。