データサイエンス・AI応用基礎

Advanced Literacy on Data Science and Artificial Intelligence

9960S05

瀬尾　隆、橋口　博樹、西山　裕之、松澤　智史、秋本　和憲、立川　智章、下川　朝有、桂田　浩一、松崎　拓也、照井　伸彦、中村　和晃、矢部　博

Hiroshi Yabe, Takashi Seo, Kazuaki Nakamura, Tomofumi Matsuzawa, Asanao Shimokawa, Hiroki Hashiguchi, Kouichi Katsurada, Takuya Matsuzaki, Kazunori Akimoto, Nobuhiko Terui, Tomoaki Tatsukawa, Hiroyuki Nishiyama

2024年度後期

2024 2nd Semester

土曜2限

Saturday 2nd Period

創域理工学部

Faculty of Science and Technology

2.0単位

講義

Lecture

-

⑧ [遠隔]オンライン授業（非同期）/ [Remote]Online (asynchronized remote)

データサイエンス、データエンジニアリング、AIの基本的な概念と手法、応用例について学修する。また、演習を通じてデータ解析手法を習得する。

データから意味を抽出し、現場にフィードバックする能力及びAIを活用し課題解決につなげる基礎能力を修得する。そして、自らの専門分野に数理・データサイエンス・AIを応用するための大局的な視点を獲得する。

データサイエンス、データエンジニアリング、AIについて理解し説明できるようになるとともに、自らの専門分野でこれらを活用することができるようになる。

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
​You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/​​​

なし

課題に対する作文　Essay／小テストの実施　Quiz type test

-

準備学習については特にないが、録画や講義資料の内容を理解するまで復習すること。

小テスト(84%)・レポート課題(16%)で評価する。

・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

N

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。
​https://mirai.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://mirai.kinokuniya.co.jp/tokyorika/

必要に応じて授業で講義資料を提供する。

第１回：イントロダクション
データサイエンス、AI、機械学習の概要について理解できる。情報セキュリティ・プライバシー保護・暗号化などの基礎について理解できる。

第２回：アルゴリズムとデータ構造
アルゴリズム・データ表現・データベースについて理解できる。また、データの収集・蓄積・加工について説明できる。

第３回：プログラミング基礎１
Pythonについて学び、Google Colaboratoryを通して利用できる環境を整えることができる。また演習を通じて、基本的な演算、代表的なオブジェクト型の利用、条件処理、反復処理について理解し、操作ができる。

第４回：プログラミング基礎２
演習を通じて、関数の定義と利用、クラスの定義と利用、モジュールの利用について理解し、操作ができる。

第５回：プログラミング基礎３
演習を通じて、代表的なモジュールであるNumpyとPandasについて理解し、操作ができる。

第６回：統計的データ解析１
オープンデータを取得してデータを加工することができる。データを読み込み、平均値、分散、標準偏差、相関係数を求めることができる。また、ヒストグラムや散布図を描くことができる。

第７回：統計的データ解析２
単回帰分析・重回帰分析について学習し、演習を通じて理解を深めることができる。

第８回：統計的データ解析３
ロジスティック回帰分析・クラスター分析について学習し、演習を通じて理解を深めることができる。

第９回：AI・機械学習１
決定木（分類木、回帰木）について学習し、演習を通じて理解を深めることができる。

第１０回：AI・機械学習２
アンサンブル学習（バギング、ブースティング）について学習し、演習を通じて理解を深めることができる。

第１１回：AI・機械学習３
ニューラルネットワーク、深層学習について学習し、基本的な仕組みについて説明できる。

第１２回：AI・機械学習４
ニューラルネットワーク・深層学習の画像・音声処理への応用について学習し、演習を通じて理解を深めることができる。

第１３回：AI・機械学習５
自然言語処理において統計的な考え方やニューラルネットワークがどのように利活用されているかを学習し、演習を通じて理解を深めることができる。

第１４回：データサイエンス・AI展望１
データサイエンス・AIが利活用されている応用分野を展望し、データ関連技術について深く理解することができる。
①がん研究における公共データベースの利活用と情報論の応用例（講義：秋本）
・がん患者の治療後の予後予測における医療公共データベースの利活用と情報論の応用について説明できる。
②マーケティングにおけるデータサイエンスの応用（講義：照井）
・マーケティングにおけるデータの活用法および顧客への個別対応の統計モデリングについて理解を深めることができる。

第１５回：データサイエンス・AI展望２
データサイエンス・AIが利活用されている応用分野を展望し、データ関連技術について深く理解することができる。

-

-

-

（以下は薬学部の学生対象の説明です）
薬学教育モデル・コアカリキュラム（平成25年度改訂版）に対応する項目（SBOs）及び薬学教育モデル・コア・カリキュラム（令和4年度改訂版）に対応する項目（学修事項）を授業計画欄下部に示す。
なお、各項目に紐づく内容については、以下URL先に示す。
URL：https://tus.box.com/s/ilc2p0ygiyz4ncj23ckp310rmaa0efdk

Y

N