授業情報
※身につく能力について
複数の学科・専攻・コースで開講されている科目は、開講を担当する学科・専攻・コースの定めた「身につく能力」を表示しているため、履修要項・大学院要覧記載の「身につく能力」とは異なるものが表示されていることがあります。
授業によっては、「身につく能力」の記載がない場合もあります。
そのため「身につく能力」については履修要項・大学院要覧も確認するようにしてください。
| 授業コード Course Code |
21E6000000
|
| 授業開講年度 Year of Class |
2023年度
|
| 授業形態 Course Mode |
講義(遠隔授業)
|
| 授業名称 Class Name |
MGAID101AI･ﾃﾞｰﾀｻｲｴﾝｽ入門
|
| テーマ Theme |
|
| 科目名 Name of Subject |
MGAID101AI･ﾃﾞｰﾀｻｲｴﾝｽ入門
|
英字科目名
English Name of Subject |
MGAID101Introduction to AI and Data Science
|
身につく能力
Ability to be Acquired in This Class
◎=科目に最も関連する能力
〇=科目に関連する能力
|
知識・理解
|
現代社会が抱える諸問題を捉えるための幅広い基礎知識
|
◎
|
| 汎用的技能
|
多面的思考・判断力、コミュニケーション力
|
〇
|
| 統合的な学習経験と創造的思考力
|
課題発見力
|
〇
|
| 統合的な学習経験と創造的思考力
|
解決策提示力、社会参画による他者貢献
|
〇
|
| 科目単位数 Credit |
2
|
| 履修期 Term |
春学期集中
|
| 教員氏名 Name of Teacher |
永田 毅
|
| 開講キャンパス Campus |
横浜
|
| 曜時 Day and Period |
集中(春集)
|
| 授業概要 Course Description |
AI・データサイエンスを学ぶ初学者向けに、黎明期から現在の到達点までを概観し、現代社会における重要性と可能性を理解していく。技術の概要とその技術が可能にしたことを、なるべく実例ベースで紹介していき、データ駆動型社会の全体像を浮かびあがらせるような講義設計とする。一般教養として学べるとともに、より深く学びたい学生に対して、学びの全体マップ・道しるべを提示する役割も持つ。AIによるデータ処理がもたらす、様々なリスクについても、適宜触れていく。
|
| 到達目標 Class Goals |
現代社会におけるデータサイエンスの重要性について説明できる。データサイエンスを構成する要素技術の概念を理解し、実用事例について、要素技術単位に分解してデータ処理の流れや特徴を説明し、全体を通して可能なことやその限界・リスクについて説明することができる。さらに、現代社会の典型的な課題について、内容に応じて手法を選択し、AIを適用して解決するプランを提案することができる。
|
| 授業言語 Language |
日本語
|
| アクティブ・ラーニング Active Learning |
アクティブ・ラーニング非対応
|
授業計画
Daily Class Schedule
|
|
【第1回】
|
授業内容
Content/Topic
|
ガイダンス（データサイエンス、データ駆動型社会とは何か、そしてその重要性について）
|
予習内容
Preparation for Class
|
自分自身のデータサイエンスに対する興味・関心を整理しておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第2回】
|
授業内容
Content/Topic
|
コンピュータサイエンスの歴史（ゲーデル数からチューリングマシン、ノイマン型コンピュータ、科学技術計算から現代の爆発的な応用まで）
|
予習内容
Preparation for Class
|
人類がどのように計算機を使いこなしてきたか調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第3回】
|
授業内容
Content/Topic
|
データサイエンスの歴史（古典的な統計からはじまり、ベイズ統計、伝統的な機械学習から深層学習まで）
|
予習内容
Preparation for Class
|
統計学の歴史について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第4回】
|
授業内容
Content/Topic
|
社会におけるデータ・AI利活用①：社会で起きている変化
|
予習内容
Preparation for Class
|
データ・AIの利活用により社会がどのように変化しているのか調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第5回】
|
授業内容
Content/Topic
|
社会におけるデータ・AI利活用②：社会で活用されているデータ
|
予習内容
Preparation for Class
|
どのようなデータが社会で活用されているのか調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第6回】
|
授業内容
Content/Topic
|
社会におけるデータ・AI利活用③：データとAIの活用領域
|
予習内容
Preparation for Class
|
どのような領域で活用されているのか調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第7回】
|
授業内容
Content/Topic
|
社会におけるデータ・AI利活用④：データ・AI利活用のための技術-1
|
予習内容
Preparation for Class
|
クラスタリングについて調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第8回】
|
授業内容
Content/Topic
|
社会におけるデータ・AI利活用⑤：データ・AI利活用のための技術-2
|
予習内容
Preparation for Class
|
パターン認識について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第9回】
|
授業内容
Content/Topic
|
社会におけるデータ・AI利活用⑥：データ・AI利活用の現場
|
予習内容
Preparation for Class
|
実際に社会の現場で利活用されている技術にはどのようなものがあるか調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第10回】
|
授業内容
Content/Topic
|
社会におけるデータ・AI利活用⑦：データ・AI利活用の最新動向
|
予習内容
Preparation for Class
|
自分自身が興味関心を持っている分野の最新動向について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第11回】
|
授業内容
Content/Topic
|
データリテラシー①：データを読む-1
|
予習内容
Preparation for Class
|
AIに入力するデータの種類について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第12回】
|
授業内容
Content/Topic
|
データリテラシー②：データを読む-2
|
予習内容
Preparation for Class
|
相関があるとはどういうことか調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第13回】
|
授業内容
Content/Topic
|
データリテラシー③：データを説明する
|
予習内容
Preparation for Class
|
データを可視化するとはどういうことか調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第14回】
|
授業内容
Content/Topic
|
AIに求められる倫理
|
予習内容
Preparation for Class
|
AIが引き起こす倫理的な問題について調べておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
|
【第15回】
|
授業内容
Content/Topic
|
データ・AIを扱う上での留意事項
|
予習内容
Preparation for Class
|
AIに求められるセキュリティ、説明性とはどういうことか考えておく。
|
目安時間
Hours
|
2 時間
|
復習内容
Review of Class
|
manabaの小テストに解答し、設問を含めた授業内容の復習を行う。
|
目安時間
Hours
|
2 時間
|
授業に関する注意事項
Remarks for Class |
本講義はオンデマンド形式で行われる。数式は極力使わないので、数学的な知識は不要である。小テストや課題を含む予習・復習内容についてはmanabaで随時指示するので、常にmanabaをチェックすること。なお、動画教材は決まった曜日にアップロードされ、1週間後に非公開となるため、十分に注意すること。
4月10日(月)13時以降に動画配信を開始する。詳細は履修登録後にmanabaを確認すること。
|
| 教科書 Texts |
特に使用しない。必要があればmanabaに資料(コンテンツ)を随時アップロードする。
|
| 参考書 Reference Books |
教養としてのデータサイエンス、北川源四郎／竹村彰通、講談社
|
課題フィードバック方法区分
Assignment Feedback Method |
授業時間外にmanabaで行う
|
課題フィードバック方法内容
Assignment Feedback Method Content |
|
成績評価の基準
Evaluation Criteria |
授業への参加度（オンデマンド授業に対するレスポンス） 10%、授業内小テスト 90%
|
| 関連URL Related URL |
|
| 備考 Notes |
|
| 添付ファイルの注意事項 Notice |
|
| 更新日時 Date of Update |
2023年04月13日 16時42分35秒
|