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 |
2024年度
|
授業形態 Course Mode |
講義(遠隔授業)
|
授業名称 Class Name |
MGAID101AI・データサイエンス入門
|
テーマ Theme |
|
科目名 Name of Subject |
MGAID101AI・デ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
|
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(春学期)
|
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や、技術的・倫理的・社会的課題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、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のアンケートに回答し、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とこれからの社会
|
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のアンケートに回答し、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
|
統計学入門①:確率分布、相関、標本調査 社会におけるAI利活用①:AIの適用事例
|
予習内容 Preparation for Class
|
確率分布、相関、標本調査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のアンケートに回答し、授業内容の復習を行う。さらに第1回~第3回の範囲を復習し第1回小テストに回答する。
|
目安時間 Hours
|
2 時間
|
【第4回】
|
授業内容 Content/Topic
|
統計学入門②:相関行列、統計的検定、主成分分析 社会におけるAI利活用②:新しいビジネスモデル、データ種類
|
予習内容 Preparation for Class
|
相関行列、統計的検定、主成分分析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のアンケートに回答し、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
|
統計学入門③:ベイズ推定 社会におけるAI利活用③:事業活動における利活用の広がり
|
予習内容 Preparation for Class
|
ベイズ推定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のアンケートに回答し、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
|
機械学習入門①:教師なし学習, 教師あり学習 社会におけるAI利活用④:構造化データ, 非構造化データ, ChatGPT
|
予習内容 Preparation for Class
|
教師なし学習, 教師あり学習, ChatGPT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のアンケートに回答し、授業内容の復習を行う。さらに第4回~第6回の範囲を復習し第2回小テストに回答する。
|
目安時間 Hours
|
2 時間
|
【第7回】
|
授業内容 Content/Topic
|
機械学習入門②:回帰,クラスタリング,最適化 社会におけるAI利活用⑤:シミュレーション, データ同化
|
予習内容 Preparation for Class
|
回帰,クラスタリング,最適化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のアンケートに回答し、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
|
機械学習入門③:パターン認識, AIとは 社会におけるAI利活用⑥: データ可視化、目的ごとの活用の広がり
|
予習内容 Preparation for Class
|
パターン認識, データ同化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のアンケートに回答し、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⑦:意思決定, 自動化
|
予習内容 Preparation for Class
|
AIを利用した自動化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のアンケートに回答し、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⑧:最新技術の活用事例, 知的システム(AI)の可能性と限界
|
予習内容 Preparation for Class
|
ゲーデルの不完全性定理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のアンケートに回答し、授業内容の復習を行う。さらに第7回~第10回の範囲を復習し第3回小テストに回答する。
|
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:入力データの整形・前処理, 誤差の扱い, データの打ち切り・脱落
|
予習内容 Preparation for Class
|
データ収集の課題や必要な前処理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のアンケートに回答し、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:データの取り扱い注意点,機械学習における変数選択 Matlabで経験するテキストマイニング
|
予習内容 Preparation for Class
|
目的変数と説明変数について調べておく。MatlabをPCにインストールしておく。
|
目安時間 Hours
|
2 時間
|
復習内容 Review of Class
|
manabaのアンケートに回答し、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:表計算ソフト(Excel)によるデータ集計と可視化
|
予習内容 Preparation for Class
|
ExcelをPCにインストールし、Excelを使った統計処理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のアンケートに回答し、授業内容の復習を行う。さらに第11回~第13回の範囲を復習し第4回小テストに回答する。
|
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の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のアンケートに回答し、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(AIに求められるセキュリティ、説明性) 講義全体の振り返り
|
予習内容 Preparation for Class
|
AIを社会実装する際の問題、課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のアンケートに回答し、授業内容の復習を行う。さらに第1回~第15回の範囲を復習し第5回小テストに回答する。
|
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。本講義は、文系の学生向けに、数学や統計が不得意でも理解できるように配慮されている。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、アンケートは公開後1週間以内に回答すること。小テストは5回あり、特に第5回は配点が大きいため、manabaで指示されるテスト受験期間には十分注意すること。本講義を効果的に履修するため、マスワークス社のMatlabとMicrosoft Office(Excel)をインストールしたPCを用意しておくことを推奨する(MatlabとMicrosoft Officeは、本学での学生は無料でインストールすることができる)。
|
教科書 Texts |
特に使用しない。教材資料はmanabaに随時アップロードする。
|
参考書 Reference Books |
北川源四郎、竹村彰通 (編)、教養としてのデータサイエンス、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(クリッカーを用いた双方向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 |
2024年02月07日 15時28分07秒
|