データサイエンス・ＡＩ概論（後・土１）

科目授業名称（和文）　Name of the subject/class (in Japanese)

データサイエンス・ＡＩ概論（後・土１）

科目授業名称（英文）　Name of the subject/class (in English)

Introduction to Data Science and Artificial Intelligence （後・土１）

授業コード　Class code

99K1594

科目番号　Course number

L1IDIFEb01

教員名

瀬尾　隆、平塚　三好、田畑　耕治、坂本　徳仁、伊吹　友秀、桂田　浩一、松本　朋子、矢部　博

Instructor

Hiroshi Yabe, Takashi Seo, Mitsuyoshi Hiratsuka, Kouji Tahata, Norihito Sakamoto, Tomohide Ibuki, Kouichi Katsurada, Tomoko Matsumoto

開講年度学期

2023年度後期

Year/Semester

2023 / Second Semester

曜日時限

土曜1限

Class hours

Saturday 1st Period

開講学科・専攻　Department

理学部第一部（一般教養科目）、理学部第二部（一般教養科目）、経営学部（一般教養科目）

A course of liberal arts, the Faculty of Science Division Ⅰ
A course of liberal arts, the Faculty of Science Division Ⅱ
A course of liberal arts, the School of Management

単位数　Course credit

2.0単位

授業の方法　Teaching method

講義

Lecture

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

オンライン授業（非同期）/Online (asynchronized remote)　

概要　Description

数理・データサイエンス・AIに関する基礎知識を学習するとともに、社会、政治、経済、医療など身の回りの分野でデータサイエンス・AIがどのように活用されているかについて学習する。

目的　Objectives

デジタル社会において、数理・データサイエンス・AIを日常生活や仕事の場で使いこなすことができる基礎的素養を身につける。そして、数理・データサイエンス・AIに関する知識・技能をもとに、これらを扱う際には人間中心の適切な判断ができ、データサイエンス・AIについて説明し活用できる能力を身につける。

到達目標　Outcomes

社会におけるデータサイエンス・AIの利活用について理解し説明できるようになるとともに、それらを扱う際の留意事項についても理解できるようになる。

卒業認定・学位授与の方針との関係（学部科目のみ）

S:一般能力 B:教養 K:豊かな教養 OS:一般能力 OK:豊かな教養 2S:情報科学系の専門的技術の習得と理解幅広い視野と高い倫理観に基づく教養力 2B:教養に関する理解 2K:基礎学力 MS:教養学力 BE:幅広い教養 ID:教養学力

履修上の注意　Course notes prerequisites

なし

アクティブ・ラーニング科目　Teaching type（Active Learning）

課題に対する作文　Essay／小テストの実施　Quiz type test

-

準備学習・復習　Preparation and review

成績評価方法　Performance grading policy

レポート課題(12%)・小テスト(88%)で評価する。

学修成果の評価　Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

N

書誌情報　Bibliographic information

-

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

授業計画　Class plan

第１回：データサイエンス入門
導入として、数理・データサイエンス・AIを取り巻く社会の動向や歴史的背景を知り、IoT, Industry 4.0, Society 5.0, データ駆動型社会といった概念やAIの歴史等、全体像について理解できるようになる。

第２回：統計学の基礎知識（１）
データの種類、データの集計、統計グラフ、データの代表値、散らばりを理解し、説明ができるようにする。

第３回：統計学の基礎知識（２）
分割表、相関と回帰、時系列データの処理、確率の基礎について理解し、説明ができるようにする。

第４回：統計学の基礎知識（３）
確率変数、母集団と標本、確率分布（統計的な推測）について理解し、説明ができるようにする。

第５回：データサイエンス人材の心得
データの利活用により、安寧で豊かな社会を目指すために必要な規範的な考え方について理解を深める。例えば、個人情報保護、データ倫理、ＡＩ社会原則、さまざまなバイアスへの対処、情報セキュリティ等について理解を深め、自らの行動原理を考えていくことの重要性につき、欧米の事例などを踏まえつつ理解を深める。

第６回：社会におけるデータ活用（１）公共空間とデータサイエンス・AI
公共政策を立案する現場においてデータサイエンスの重要性が増している実情を、実例を織り交ぜつつ解説する。

第７回：社会におけるデータ活用（２）政治学とデータサイエンス・AI
社会に広がる多様なデータを紹介しつつ、既存の観察データから政治・社会問題の解決方法を探るための基礎的な手法を説明する。

第８回：社会におけるデータ活用（３）経済学とデータサイエンス・AI
経済学およびビジネスにおけるデータサイエンス・AIの活用事例を学び、因果推論の基本的な使い方を理解する。その上で、因果推論が使えない状況のとき、どのようにデータと向き合うべきか、簡易実験、信頼性レベル、ありうるバイアスについて学ぶことで、適切な対処法を理解する。

第９回：社会におけるデータ活用（４）AIと責任
外部講師により、「人工知能やロボットは責任帰属対象となりえるか〜非難の哲学・倫理学の見地から〜」について説明し、この分野の動向が理解できるようになる。

第１０回：データの倫理
データサイエンスで扱う情報は、個人の機微に関わるものである。また、それらが個ではなく多数となった場合にはとりわけ様々な問題が生じる。そのため、ヒトの情報を収集して研究する際の倫理問題について、その検討法も含めて考えていく。

第１１回：データの知的財産
知的財産の基礎知識を知り、数理・データサイエンス・AIの分野に係る特許の事例等を理解する。その上で、同分野に関する知的財産上のモラル等の留意事項や、その保護・活用の在り方について知るとともに、そのビジネスモデルの創出についても理解できるようになる。

第１２回：AI技術の動向（１）
近年用いられているAI技術のうち、ニューラルネットワークと深層学習の概要について理解できるようになる。

第１３回：AI技術の動向（２）
AI技術、特にニューラルネットワークと深層学習の音声，画像処理における活用について理解できるようになる。

第１４回：AI技術の動向（３）
外部講師により、「実データ分析によるデータ価値化の取り組み〜AI活用の事例紹介〜」について説明し、この分野の動向が理解できるようになる。

第１５回：AI技術の動向（４）
外部講師により、「メディカル・データサイエンスを基盤とした新たな医療の創出　〜人工知能から拡張知能へ〜」について説明し、この分野の動向が理解できるようになる。

授業担当者の実務経験　Work experience of the instructor of the class

教育用ソフトウェア　Educational software

-

備考　Remarks

本科目をLETUSで自己登録する場合、必ず自分の所属する学部（キャンパス）のコースに登録すること。

本科目は全学共通科目なので複数の学部（キャンパス）のコースが存在します。異なる学部（キャンパス）のコースに登録した場合は小テスト・レポート課題の成績が反映されませんので気を付けてください。

シラバス情報