授業科目名	AI基礎
時間割番号	UPC202
担当教員名	安藤　英俊／清水　毅／則竹　史哉／中村　一彦
開講学期・曜日・時限	後期・火・VI	単位数	2
＜対象学生＞
工学科2年次生向け
＜授業の目的＞
インターネットの社会への広範囲な浸透、 情報通信・計測技術の飛躍的発展によって、従来とは質・量ともに全く異なるビッグデータが産み出されるようになった。ビッグデータや人工知能（ＡＩ）技術の活用領域は予測、意思決定、異常検出、自動化、最適化など多岐に亘って急速に拡大しており、自動運転、画像認識、医療診断、防犯、コンピュータゲームなど、従来の社会システムの在り方を大きく変えつつある。近年は、ビッグデータやＡＩの利活用に関し、米国や中国の巨大企業等を中心とした競争が激化しており、国内外の経済成長の要因も従来の労働力・資本・技術革新から、データから価値を生み出す産業領域へと大きくシフトしている。「数理・データサイエンス・AI」は、今後のデジタル社会の基礎知識（いわゆる「読み・書き・そろばん」的な素養）として捉えられ、大学・高専の全ての学生が身に付けておくべき素養である。 これに伴い政府の「ＡＩ戦略 2019」では、「我が国が、人口比ベースで、世界で最もＡＩ時代に対応した人材の育成を行い、世界から人材を呼び込む国となること。さらに、それを持続的に実現されるための仕組みが構築されること」が第一の戦略目標とされた。この授業ではリテラシーレベルの教育を補完的・発展的に学修することにより、履修学生が自らの専門分野への数理・データサイエンス・ＡＩの応用基礎力を習得することを目標としている。 この授業ではより具体的には、AIの基本的な概念と手法、応用例を学ぶことで、AI技術を活用し課題解決につなげるとは何かを理解することを目指す。
＜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>工学科向け 記号 コンピテンシー（能力・資質） 説明   工-A 専門 ③数理データ分析力 ICT等により多様な情報を適切に収集し数理的に分析 ◎ 工-B ⑦理解力･判断力 自然現象や社会的事象を理解・分析 ○ 工-C ⑧論理的思考力 問題や課題を論理的思考で解決 ○
＜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 工学 1 AIのこれまでの変遷、各段階における代表的な成果物や技術背景を説明できる. 工-B 2 今後、AIが社会に受け入れられるために考慮すべき論点を説明できる. 工-C 3 自らの専門分野にAIを応用する際に求められるモラルや倫理について説明できる． 工-B 4 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概念を説明できる． 工-A 5 複数のAI技術が組み合わされたAIサービス/システムの例を説明できる． 工-C
＜成績評価の方法＞
目標No 割合 評価の観点 1 35% 中間評価によって目標1の理解度を評価する． 2 10% 中間評価とレポートによって目標2の理解度・応用力を評価する． 3 10% レポートによって目標3の理解度・応用力を評価する． 4 35% 最終評価によって目標4の理解度を評価する． 5 10% 最終評価とレポートによって目標5の理解度・応用力を評価する． 合計 100%
＜授業の方法＞
事前学習動画を視聴後，小テストを実施してもらいます．この小テスト完了をもって出席としますので，必ず実施してください．また，演習では課題のUPLOADをもって出席としますので，こちらも忘れずにUPLOADしてください． 　本授業の出席はCNSの出席システムとはリンクしていませんので各自Moodleの小テスト，課題が終了しているかどうかカウントしてください．
＜受講に際して・学生へのメッセージ＞
・テキスト指定はありませんが，数理・データサイエンス・AI教育強化拠点コンソーシアム　応用基礎レベル教材(http://www.mi.u-tokyo.ac.jp/6university_consortium.html)を利用します． ・後半のAI基礎演習は，Google Colaboratoryを利用します．使い方の情報はインターネットにあふれていますので，是非慣れておいて下さい． ・以下の知識を有していることを前提に授業を行います． 　*リテラシーレベルでの数理・データサイエンス・AIに関する知識 　*確率、ベクトルと行列、関数等の数学に関する基礎的な知識 　*プログラミング・アルゴリズム等に関する基礎的な知識
＜テキスト＞
(未登録)
＜参考書＞
北川源四郎, 竹村彰通編 ; 赤穂昭太郎 [ほか] 著, 応用基礎としてのデータサイエンス : AI×データ活用の実践, Array, ISBN:4065307899, (2023年出版 データサイエンス入門)
＜授業計画の概要＞
1 タイトル 第1回 AIの歴史と応用分野 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 人工知能研究の始まりから現在に至るまでの歴史，関連する諸問題や活用について学ぶ． 2 タイトル 第2回 AIと社会 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 データやAIにまつわる基本的な倫理・合意事項，データを守ること，それが破られて起こった事例などについて学ぶ． 3 タイトル 第3回 機械学習の基礎と展望 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 機械学習の基本的枠組みである教師あり学習のデータ分析手法と，教師なし学習のデータ分析手法を学ぶ．また，機械学習の展望についても学ぶ． 4 タイトル 第4回 深層学習の基礎と展望 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 深層学習の基礎的な内容と展望を学ぶ． 5 タイトル 第5回 認識（画像） 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 AIにおける認識の概念と，画像についての実社会での活用場面や技術について学ぶ． 6 タイトル 第6回 認識（音声） 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 AIにおける認識の概念と，音声についての実社会での活用場面や技術について学ぶ． 7 タイトル 前半の総括と中間評価 事前学習 事後学習 講義第1回から6回の内容について復習を行う． 中間評価試験 授業内容 第1回から第6回までのまとめと，理解度を評価する中間試験を実施する． 8 タイトル 第8回 予測・判断 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 データを用いた予測や予測の種類，機械学習の予測モデル，予測された結果の評価法を学ぶ． 9 タイトル 第9回 言語・知識 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 AI技術のなかで言語や知識に関わる技術について学ぶ． 10 タイトル 第10回 身体・運動 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 ロボット技術における身体の動き，運動を実現するアクチュエータやセンサー技術，ロボットとAIの関係，データサイエンス技術を学ぶ． 11 タイトル 第11回 AIの構築と運用 事前学習 事後学習 ビデオの視聴 小テスト 授業内容 複数のAI技術が組み合わされたAIサービス／システム，運用と品質保証，AIが社会に受け入れられるために考慮すべき論点について学ぶ． 12 タイトル AI基礎演習１ 事前学習 事後学習 ビデオの視聴 課題の提出 授業内容 Google Colaboratoryの利用方法，画像認識，音声認識について操作方法を中心に演習を行う． 13 タイトル AI基礎演習2 事前学習 事後学習 ビデオの視聴 課題の提出 授業内容 Google Colaboratoryを利用したAIの基礎的なモデルについて演習を行う． 14 タイトル AI基礎演習3 事前学習 事後学習 ビデオの視聴 課題の提出 授業内容 第13回に続き，Google Colaboratoryを利用したAIの基礎的なモデルについて演習を行う． 15 タイトル 後半の総括と最終評価 事前学習 事後学習 講義第8回から11回の内容について復習を行う． 最終評価試験 授業内容 第8回から11回までの内容についてのまとめと，理解度を評価する期末試験を実施する． 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
＜実務経験のある教員による授業科目の概要＞
授業担当者は長年人工知能技術の研究に携わり，共同研究等を通じて実務で活用してきており，教育経験も豊富である．理論だけでなく実務経験に基づく実践的な演習内容を提供する．
＜前年度授業に対する改善要望等への対応＞
新規開設科目につき該当しない
＜備考＞
(未登録)