授業コード ：

11102010　

開講期間	配当年	単位数	科目必選区分
後期（３Ｑ）	1	1	必修
担当教員
山﨑スコウ　竜二
区分  科目番号  曜日・時限
火曜･5限
添付ファイル

対象学生
授業の目的	- 大学生・社会人として必要なデータの利活用を行うため、情報学・統計学的方法の知識と技術を身につける。
学士力A	教養力
学士力A（ウエイト）	〇
学士力B	技法力
学士力B（ウエイト）	◎
学士力C	思考力
学士力C（ウエイト）	〇
学士力D
学士力D（ウエイト）
学士力E
学士力E（ウエイト）
学士力F
学士力F（ウエイト）
学士力G
学士力G（ウエイト）
学士力H
学士力H（ウエイト）
到達目標No.1	- 現代社会に必要なデータ処理の基礎が理解できる - AIの概念・仕組みを理解することができる
到達目標No.1（学士力対応）	A
到達目標No.2	- 情報機器を利用してデータの分析と予測ができる
到達目標No.2（学士力対応）	B
到達目標No.3	- データの分析し、適切な意思決定ができる
到達目標No.3（学士力対応）	C
到達目標No.4
到達目標No.4（学士力対応）
到達目標No.5
到達目標No.5（学士力対応）
成績評価の方法	評価の方法 割合(％) 評価の基準 知識・理解 40％ 課題の評価(到達目標 : No.1, No.2, No.3) 思想・判断・表現 40％ 小テストの評価(到達目標 : No.3) 態度・志向生 20％ 参加姿勢の評価(到達目標 : No.2) 合計 100％
授業の方法	- 講義・演習形式
受講に際して・学生へのメッセージ	情報機器の操作や関連アプリケーションに慣れていない方は、前期に「情報リテラシー」を受講することを推奨します。
教科書	テキスト 特になし。 (授業資料は毎回Classroomで配布します) 参考書 各クラスの担当教員が授業の最初に紹介する。第３講、第４講では「学生のためのデータリテラシー(FOM出版)」の内容を参考する場合はあるが、購入する必要はない。
授業計画の概要	第1回 タイトル データとデータサイエンス　 授業内容 データの意味、種類、分類などを学び、「データ」について深く理解する。データ利活用事例を通じて、データサイエンスの意義と有用性を理解する。 - データの意味 - データの種類・分類 - データ利活用の事例 - データサイエンスの意味　 事前学習 特になし　 事後学習 特になし　 第2回 タイトル データの分類　 授業内容 データ分析の基本的な方法である「分類」について学ぶ。データのスケーリングとデータ間の距離を求める手法であるユークリッド距離、コサイン類似度を用いてデータにおける位置関係を理解し、クラスタリング手法を通じて分類の実践的意味を理解する。 - 分類 - 距離・類似度 　 事前学習 エクセルによる演習があるので、エクセルの利用方法を復習しておくことを推奨する。　 事後学習 特になし　 第3回 タイトル データの分析　 授業内容 データセット間の関連性を明らかにする手法である相関分析について学ぶ。データの分布とその関連性について考察し、相関分析の意味を理解する。演習では健康診断データを利用し、BMIと様々な指標との関連性を明らかにし、相関係数の実践的活用について理解する。 - 散布図 - 相関分析の意味 - 相関係数の解釈 - 相関分析の利用例 - 相関分析における注意点 　 事前学習 エクセルによる演習があるので、エクセルの利用方法を復習しておくことを推奨する。　 事後学習 特になし　 第4回 タイトル データによる予測　 授業内容 データ分析によって予測をする手法である回帰分析について学ぶ。回帰分析の意味と評価尺度、利用例について学び、重回帰分析を通じて実践的な利活用について考察する。演習として山梨県のオープンデータを利用し、市町村の未来を予測する。 - 回帰分析の概念 - 回帰モデルの作成 - 重回帰分析による予測 - 回帰分析の評価 - 有意水準について(決定係数,t-検定、p-値)　 事前学習 エクセルによる演習があるので、エクセルの利用方法を復習しておくことを推奨する。　 事後学習 特になし　 第5回 タイトル データの管理　 授業内容 データの保管・利用に関わる注意事項について理解する。データの公開方法や伝達、暗号化、クラウド環境など、情報セキュリティの側面からのデータの利活用方法に必要な認識を深める。 - データセキュリティの意味 - データセキュリティの種類 - データに対する脅威と管理　 事前学習 エクセルによる演習があるので、エクセルの利用方法を復習しておくことを推奨する。　 事後学習 特になし　 第6回 タイトル AI①　 授業内容 AIの意味、統計基盤のAIと推論基盤について学び、AIの基本的な仕組みについて理解する。さらに、機械学習の仕組みと意義について理解し、機械学習の有用性と、可能性、限界について考察する。 - AIの意味 - 統計基盤AIと推論基盤AI - 機械学習 　 - 教師あり/なし学習 　- 強化学習 　- 組み合わせ学習　 事前学習 特になし　 事後学習 特になし　 第7回 タイトル AI②　 授業内容 生成AIについて意味と利用例を学び、適切な利用方法について検討する。生成AIの仕組みの例としてCNN/RNNについて理解し、生成AIの有用性と使用における問題点について認識を深める。 - 生成AI - ニューラルネットワーク - 仕組み - CNN/RNNの簡単な事例を使って仕組みを確認 - 生成AIの事例 - 問題点・使用における注意点　 事前学習 特になし　 事後学習 特になし　 第8回 タイトル データサイエンス・AIの倫理、AI社会　 授業内容 知的所有権やバイアス、プライバシーなどデータの収集と分析に関わる倫理とAIの利活用がもたらす様々な倫理問題について検討し、データ駆動型社会、Society5.0など、社会基盤におけるデータサイエンスとAIの役割を考察する。 - データ収集における倫理 - データ分析における倫理 - AIの倫理 　- データ駆動型社会 　- 日本の取り組み(society 5.0) 　- AI社会 　 事前学習 特になし　 事後学習 特になし
実務経験のある教員による授業科目の概要
備考