タイトル
     2023 年度 後期  教養教育 日英区分 :日本語 
  
データサイエンス・AI・機械学習   
時間割コード ナンバリング 科目分野
LB2520 LB-1-IS0079-J 【教養教育】総合科目群
担当教員(ローマ字表記)
  中村 賢治 [Nakamura, Kenji]
対象学生 対象年次 単位数
    2
授業の目的  
①社会へ情報技術を浸透・発展させるために、AI・機械学習の基礎知識を理解する
②PBL演習において価値観や異なる意見を集約し、社会課題を解決するAI・機械学習技術を構築・評価する
 
授業の到達目標  
目標
①社会に普及するAI・機械学習の歴史的背景や基礎知識を学ぶとともに、プログラミング演習から機械学習の動きや
性質を理解する
②AIの代表的な技術である画像処理・自然言語処理・音声認識等におけるAI技術を学び、社会・受講者自身の生活と
の接点を説明できる
③自身で目標を立てて解決策を講じるPBLを通し、社会課題を解決するAI・機械学習技術を構築・評価できる
 
ディプロマポリシーとの関連(評価の観点)  
A:諸科学についての基礎的知識と理解 ◎
B:論理的・創造的思考力 ○
C:コミュニケーション能力 ○
D:社会的倫理観・国際性 ○
 
授業概要  
AI・機械学習に関する基礎知識と社会サービスについて、演習も交えながら説明する。これにより体験の深い学び・知識を得る。
AI・機械学習構築の実務経験のある教員が、その実務経験を活かして社会におけるAI・機械学習の構築や評価に関する授業を行う。
 
授業の形式(授業方法)  
1回目と9回目~15回目は教室で対面型の授業を行う。
2回目から8回目の授業はオンデマンド型の授業を行い、Mooodleを用いる。
初回授業ではガイダンスも行い、教室にて対面型の授業を行う。
 
授業スケジュール  
講義・演習はオンデマンド型に対応し、期間内の受講・確認テストを目指す。
講義時間は基本的な説明や質疑に対応する
【第1回AIの歴史と応⽤分野(教室で対面実施する)】
・ガイダンス(Python入門、データサイエンス応用、データサイエンス・AI・機械学習の紹介)
・AIの歴史、推論、探索、トイプロブレム、エキスパートシステム
・汎用AI/特化型AI(強いAI/弱いAI)
【第2回ビックデータの活用】
・ICT(情報通信技術)の進展、ビッグデータ
・ビッグデータの収集と蓄積、クラウドサービス
・ビッグデータ活用事例
【第3回AIと社会】
・AI倫理、AIの社会的受容性
・プライバシー保護、個人情報の取り扱い
【第4回データ表現とアルゴリズム】
・アルゴリズムの表現(フローチャート)
・並び替え(ソート)、探索(サーチ)
・コンピュータで扱うデータ(数値、文章、画像、音声、動画など)
【第5回機械学習の基礎と展望】
・実世界で進む機械学習の応用と発展
(需要予測、異常検知、商品推薦など)
・機械学習、教師あり学習、教師なし学習、強化学習
・文字型、整数型、浮動小数点型
・変数、代入、四則演算、論理演算
・関数、引数、戻り値
【第6回機械学習の基礎と演習】
・画像判別演習
・画像スクレイピング
・Numpyを用いた判別器作成
・スクレイピングを用いた画像の自動収集
【第7回深層学習の基礎と展望】
・実世界で進む深層学習の応用と革新
(画像認識、自然言語処理、音声生成など)
・ニューラルネットワークの原理
【第8回認識】
・認識技術の活用事例
・パターン認識、特徴抽出、識別
【第9回認識技術演習】
・音声認識演習
・社会課題解決型のプロジェクト事例
【第10回予測・判断】
・予測技術の活用事例
・決定木(Decision Tree)
・混同行列、Accuracy、Precision、Recall
【第11回言語・知識】
・自然言語処理の活用事例
・形態素解析、単語分割、係り受け解析
【第12回言語・知識演習】
・形態素解析演習
・Pandasを用いたデータ表現
・最終課題策説明
【第13回身体・運動】
・AIとロボット
・家庭用ロボット、産業用ロボット、サービスロボット
・PBL演習
【第14回AIの構築・運⽤】
・AIの学習と推論、評価、再学習
・PBL演習
【第15回AI総合演習】
・AI活用企画の構築
・AI活用企画の評価
 
授業時間外学修情報
「学修」とは授業と授業時間外の予習・復習などを含む概念です。1単位につき45時間の学修が必要です。
学則で定められている1単位の時間数は次のとおりです。
講義・演習    授業15~30時間、授業時間外30~15時間
実験・実習・実技 授業30~45時間、授業時間外15~0時間
 
オンライン講義・演習 授業15~30時間 授業時間外15~30時間
実験・実習・実技 授業15~30時間 授業時間外30~45時間
Moodel上にある教材を用いて、予習と復習にとりくむ
 
成績評価基準(授業評価方法) 及び 関連するディプロマポリシー  
MOODLEの確認テスト50点、A,D
演習課題50点A,C
により、授業の到達度評価を行う。
 
受講条件(履修資格)  
特になし。
 
メッセージ  
文系・理系に関係なく受講できる内容ですので、是非とも参加してください
 
キーワード  
機械学習、深層学習、社会課題解決型プロジェクト、認識技術、画像処理、自然言語処理、
 
この授業の基礎となる科目  
 
次に履修が望まれる科目  
データサイエンス応用(並行して)
 
関連授業科目  
 
教科書  
 
参考書  
 
教科書・参考書に関する補足情報  
 
コース管理システム(Moodle)へのリンク  
オンライン質問等はZoomで対応し、以下の接続情報となる。

ミーティングID: 673 852 5860
パスコード: 123
 
授業言語  
日本語
 
学生用連絡先  
【匿名アクセスではこの情報を閲覧できません。】
 
学生用メールアドレス  
【匿名アクセスではこの情報を閲覧できません。】
 
オフィスアワー (※教員が研究室に在室し、学生からの質問・相談等に応じる時間のことです。)  
【匿名アクセスではこの情報を閲覧できません。】
 
教員ホームページ  
 
関連ホームページ  
 
ページの先頭へ