授業科目名	データサイエンス・AI
時間割番号	TEE223
担当教員名	塙　雅典
開講学期・曜日・時限	前期・金・III	単位数	2
＜対象学生＞
2022年度以降の入学生対象
＜授業の目的＞
現代の高度にデジタル化された社会においては，生活や仕事に各種情報を有効に利活用する基礎的素養や，スマートフォンや様々なセンサから自動的に集められるデータから有用な情報を引き出すための様々な知識・能力が求められる。 本科目では，1年次全学共通教育科目・情報数理科目部門で開講されている「データサイエンス入門」で学んだ事項を基礎としデータエンジニアリングと現代のAI技術の基本的な概念・手法・応用例を学び、データとAIを専門分野の問題解決に適切に活用する力をさらに向上させることを目指す。
＜本授業科目による獲得・涵養が特に期待されるコンピテンシー＞（能力・資質）
工学部(～2023年度入学生)>電気電子工学科向け 記号 コンピテンシー（能力・資質） 説明   EE-A 専門 5.ディジタル回路 手続き型プログラミング言語に習熟し、各種数値計算やシステム制御に応用できる。 ○ EE-B 共通 汎用能力 ２・情報リテラシー 情報収集力 図書館やインターネットなどから多様な文献や資料を入手できる。 ○ EE-C 情報選択力 収集した文献や資料から、適切な情報を選択し、活用できる。 ○ EE-D ３・数量的リテラシー さまざまな情報を統計学的手法などにより、数理的に表現・分析できる。 ◎
＜到達目標＞  到達目標とは
目標NO 説明 コンピテンシーとの対応 EE 1 データ駆動型社会とデータサイエンスの関連性、ICT（情報通信技術）の発展とビッグデータの関連性、データ・AI活用に必要なITセキュリティの基礎的事項を説明できる EE-C 2 データ・AI活用に必要な基本的なPythonプログラムを作成できる EE-A 3 データ分析のプロセス、データ分析の設計の概要と収集したデータの観察方法を説明できる EE-D 4 データの分析・可視化の代表的な手法を説明できる EE-C 5 データ・AI活用に必要な基本的なアルゴリズムを説明できる EE-D 6 コンピュータでデータを扱うためのデータ表現の基礎と、Webサイトやエッジデバイスからのデータ収集の仕方を説明できる EE-B 7 データベースの概念、基本操作、データベースからデータを抽出し、収集したデータを加工する方法を説明できる EE-D 8 これまでのAIの変遷、各段階における代表的な製品・技術背景、今後AIが社会に受け入れられるために考慮すべき課題、AI活用時に求められるモラル・倫理、複数のAI技術を組み合わせたAIサービス・システム例などを説明できる EE-C 9 機械学習（教師あり学習、教師なし学習）、深層学習、強化学習の基本的な考え方を説明できる EE-D 10 AI技術（学習・認識・予測・判断、知識・言語、ネイヴ・動作）を活用し、自らの課題解決に取り組むことができる EE-D
＜成績評価の方法＞
目標No 割合 評価の観点 1 5% データ駆動型社会とデータサイエンスの関連性などの学習項目を的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 2 30% 授業中に課されるプログラミング課題の目的を達成できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 3 5% データ分析に必要な事項の概要などの学習項目を的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 4 5% データの分析・可視化の代表的な手法などの学習項目を的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 5 10% データ・AI活用に必要な基本的なアルゴリズムを的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 6 5% データ表現の基礎とWebサイトなどからのデータ収集の仕方を的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 7 5% データベースの概念や基本的な操作法などの学習項目を的確に的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 8 5% AI技術の歴史や現状・課題などの学習項目を的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 9 10% 深層学習と強化学習の基本的な考え方などの学習項目を的確に説明できるか、授業の振り返りや小テスト・課題・ワークショップを通じて評価する 10 20% AI技術を自らの課題解決に的確に活用できるか、授業の振り返りや小テスト・課題・ワークショップを通じて総合的に評価する 合計 100%
＜授業の方法＞
新型コロナウイルスの感染拡大状況で実施方法は変更する。感染拡大時はZoomなどによるライブオンライン授業（講義・PC演習）を実施し、感染が制御されている時は対面授業とする。状況に応じて両者のハイブリッド実施も検討する。その他の方法については以下の例年のやり方に準拠する。 原則として受講者自身のノートPCを用いて実施し，各回の内容について講義と実習を行う。講義用スライド資料・小テスト・課題・ワークショップ（学生同士の相互評価を含む課題）の提示を学習管理システムMoodle上で行うとともに，PythonプログラミングはGoogle Colabを活用して毎回プログラミングスキルを磨く。
＜受講に際して・学生へのメッセージ＞
プログラミングは「習うより慣れろ」です。自ら沢山のプログラムコードを読み書きしなければ習熟して活用することはできません。授業の課題に満足することなく、自ら興味を持って学習に広さと深さを持たせてください。
＜テキスト＞
(未登録)
＜参考書＞
(未登録)
＜授業計画の概要＞
1 タイトル データ駆動型社会 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 データ駆動型社会とデータサイエンスの関連性、ICT（情報通信技術）の発展とビッグデータの関連性、データ・AI活用に必要なITセキュリティの基礎的事項について学びます。 2 タイトル Pythonプログラミング入門その１ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 Google Colabのアカウント作成とPythonプログラミングの初歩の初歩を学びます。 3 タイトル Pythonプログラミング入門その２ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 データサイエンス入門で実施したMATLABによるデータ処理をPythonでプログラムして実行する方法を学びます。 4 タイトル Pythonプログラミング入門その３ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 PythonプログラミングがMATLABと異なる点について学びます。 5 タイトル データ分析の基礎 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 データ分析のプロセス、データ分析の設計の概要と収集したデータの観察方法を学びます。 6 タイトル データ分析・可視化 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 データ分析・データビジュアライゼーションの代表的な手法を学びます。 7 タイトル アルゴリズム入門 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 データ・AIの利活？に必要な基礎的なアルゴリズムを学びます。 8 タイトル ビッグデータ入門 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 コンピュータでデータを扱うためのデータ表現の基礎と、Webサイトやエッジデバイスからのデータ収集の仕方を学びます。 9 タイトル データベース入門 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 データベースの概念、基本操作、データベースからデータを抽出し、収集したデータを加工する方法を学びます。 10 タイトル AI技術の概要 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 これまでのAIの変遷、各段階における代表的な製品・技術背景、今後AIが社会に受け入れられるために考慮すべき課題、AI活用時に求められるモラル・倫理、複数のAI技術を組み合わせたAIサービス・システム例などを学びます。 11 タイトル 深層学習と強化学習その１ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 機械学習（教師あり学習、教師なし学習）について学びます。 12 タイトル 深層学習と強化学習その２ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 深層学習の基本的な考え方について学びます。 13 タイトル 深層学習と強化学習その３ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 強化学習の基本的な考え方について学びます。 14 タイトル AIを用いた問題解決その１ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 AI技術（学習、認識、予測・判断、知識・？語、？体・運動）を活用し、自らの課題解決に取り組みます。 15 タイトル AIを用いた問題解決その２ 事前学習 事後学習 授業前に授業資料の閲覧を済ませることで授業時間中は疑問点の解消のための質問と演習できるようにします。授業後に振り返りを記入し、理解したことと理解できなかったことおよびその対処、を明確にします。 授業内容 AI技術（学習、認識、予測・判断、知識・？語、？体・運動）を活用し、自らの課題解決に取り組みます。 16 タイトル 事前学習 事後学習 授業内容 17 タイトル 事前学習 事後学習 授業内容 18 タイトル 事前学習 事後学習 授業内容 19 タイトル 事前学習 事後学習 授業内容 20 タイトル 事前学習 事後学習 授業内容 21 タイトル 事前学習 事後学習 授業内容 22 タイトル 事前学習 事後学習 授業内容 23 タイトル 事前学習 事後学習 授業内容 24 タイトル 事前学習 事後学習 授業内容 25 タイトル 事前学習 事後学習 授業内容 26 タイトル 事前学習 事後学習 授業内容 27 タイトル 事前学習 事後学習 授業内容 28 タイトル 事前学習 事後学習 授業内容 29 タイトル 事前学習 事後学習 授業内容 30 タイトル 事前学習 事後学習 授業内容
＜前年度授業に対する改善要望等への対応＞
昨年度の授業評価アンケートでは、授業の良かった点として「理解しやすかった」「授業スライドがわかりやすい」「多様な内容が学べた」「特にIntel様のパートが楽しかった」などの肯定的な意見が多く挙げられていました。改善要望は「特になし」が多かった一方で、「ヒントのスライドを掲示する」「スライドをより分かりやすくする」「課題の説明がもっとほしい」という意見があった。要望としては一定の理解はするものの、授業中に質問をすれば良い話です。何でもかんでも全て与えてもらって当たり前、という姿勢でいることはやめましょう。「課題量が多い」という意見もありましたが、限られた時間内できちんと理解するために必要なことであり、提供している課題だけではまだ不十分です。更に自分で学んで力をつけてください。課題は昨年度より増えることはあっても減ることはありません。
＜備考＞
(未登録)