データサイエンス・ＡＩ応用基礎 （後・土２）

Advanced Literacy on Data Scienceand Artificial Intelligence

9910A01

17IDDAS201

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

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

2026年度後期

2026年度

②Second semester

土曜2限

Saturday 2nd Period

理学部第一部全学科、理学部第二部全学科、経営学部全学科

The Faculty of Science Division Ⅰ
The Faculty of Science Division Ⅱ
The School of Management

2.00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://gomykits.kinokuniya.co.jp/tokyorika/​​​

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
​​https://gomykits.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【講義】
担当教員：中村和晃
授業内容：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【講義】
担当教員：松澤智史
授業内容：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【講義、演習】
担当教員：下川朝有
授業内容：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【講義】
担当教員：下川朝有
授業内容：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【講義】
担当教員：下川朝有
授業内容：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【講義】
担当教員：橋口博樹
授業内容：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【講義、演習】
担当教員：橋口博樹
授業内容：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【講義、演習】
担当教員：橋口博樹
授業内容：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【講義、演習】
担当教員：下川朝有
授業内容：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【講義、演習】
担当教員：下川朝有
授業内容：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【講義】
担当教員：桂田浩一
授業内容：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【講義、演習】
担当教員：桂田浩一
授業内容：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【講義、演習】
担当教員：松崎拓也
授業内容：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【講義】
担当教員：秋本和憲 、 照井伸彦
授業内容：データサイエンス・AIが利活用されている応用分野（医療・マーケティング）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。

第１５回：データサイエンス・AI展望２【講義】
担当教員：立川智章 、 西山裕之
授業内容：データサイエンス・AIが利活用されている応用分野（農業・航空宇宙）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