|
授業の概要
|
|
政府はAI戦略2019において、「数理・データサイエンス・AI」を、デジタル社会の「読み・書き・そろばん」的な要素であるとしてすべての国民が育むべきとした。本科目では、初級レベルの「数理・データサイエンス・AI」を学ぶことを目標とし、「データサイエンスリテラシー」を主軸に、データの収集手法・読み方・扱い方について演習を通して学習する。
講義で、必要な場面に応じてExcelおよびWebツールを用いて、データサイエンスやAIの基礎知識について講義をおこなう。第11週から科目で学んだデータサイエンス技法およびAIの知識を用いて、データ分析を行うグループワークを実施し、第13週に分析結果について発表を行う。
本科目では、プログラミングを用いた演習は行わないため、プログラミングの知識は必要としない。
|
|
|
|
この科目の到達目標
|
|
・データサイエンスとそれに応用されるAIの基本知識・技能について理解し説明することができる。
・データ収集やデータクレンジングなどデータサイエンスの基本であるデータの扱い方について理解し、説明することができる。
・データサイエンスとそれに応用されるAIにおける基本的なデータ分析を選び使うことができる。
|
|
|
|
成績評価の方法
|
|
| |
|
授業出席、授業外学習、小テスト、提出課題により総合的に評価する。
|
|
|
|
|
|
評価方法
|
割合
|
評価のポイント
|
|
|
|
|
|
授業出席
|
20
%
|
授業参加度と授業内演習の質により評価する。
|
|
|
|
|
|
授業外学習
|
20
%
|
毎回の授業の復習内容を確認する。指示、および、提出はmanabaにて行う。
|
|
|
|
|
|
小テスト
|
30
%
|
プレゼン発表を評価する。
|
|
|
|
|
|
提出課題
|
30
%
|
データ分析力レポートを評価する。
|
|
|
|
|
|
定期試験
|
0
%
|
実施しない
|
|
|
|
|
|
（合計）
|
100
%
|
_
|
|
|
|
|
授業項目
|
|
| |
|
週
|
授業項目
|
|
|
1.
|
ガイダンス
生成AIが変える社会と未来
|
|
|
2.
|
データの種類と情報デザイン
|
|
|
3.
|
データ分析の基礎とAI技術
|
|
|
4.
|
データの比較分析
|
|
|
5.
|
データ間の関係分析
|
|
|
6.
|
データ収集とサンプリング
|
|
|
7.
|
オープンデータの利活用とAIの特徴
|
|
|
8.
|
AI・データサイエンスの社会利用と質問紙データ分析活用演習（振り返り）
|
|
|
9.
|
機械学習の基礎とディープラーニング
|
|
|
10.
|
機械学習の体験
|
|
|
11.
|
データ分析演習１
|
|
|
12.
|
データ分析演習２
|
|
|
13.
|
プレゼン発表
|
|
|
14.
|
まとめ
|
|
|