シラバス情報

教員名 ： 柴　直樹
科目授業名称（和文）　Name of the subject/class (in Japanese)
デジタル技術の基礎数理
科目授業名称（英文）　Name of the subject/class (in English)
Foundations of Digital Technologies
授業コード　Class code
9989A51
科目番号　Course number
89DMDTC201

教員名
柴　直樹
Instructor
Naoki SHIBA

開講年度学期
2026年度前期
Year
2026年度
Semester
①First semester
曜日時限
火曜3限、火曜4限
Class hours
Tuesday 3, 4

開講学科・専攻　Department
経営学部　国際デザイン経営学科

Department of International Design Management, School of Management
単位数　Course credit
2.00単位
授業の方法　Teaching method
講義/演習

Lecture/Seminar
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
① [対面]対面授業/ [On-site] On-site class

概要　Description
この授業では、デジタル技術のうち、AIとIoTについて取り上げる。その理由は、以下のとおりである。
・AIは現代のビジネスにおいて必須の知識であり、様々な応用分野がある。
・IoTについてのハンズオン教育を受講して、具体的なものに触って、手を動かしたという体験によって、「何事にも恐れず立ち向かっていける」という態度を醸成することができ、将来の学びにきわめて有効である。



目的　Objectives
  • AIとIoTについて、その背景にある数理の基礎について学び、手を動かすことにより、勘所を掴む。
  • 本学科のディプロマポリシーに定める「デジタル技術に対する原理的な理解を持ち、デジタル技術を用いた問題解決を先導することができる」を実現するための科目である。
  • 東京理科⼤学「専⾨教育の⽬標」のうちの「専門知識を活用して各分野における課題を論理的・批判的に思考する能力」を実現するための科目である。
到達目標　Outcomes
  • AIについて、その背後にあるに数学的裏付けに関する知識にもとづいて、説明することができる。
  • IoTについて、マイコン、センサー、クラウドなどの技術とともに、その原理について実体験にもとづいて説明することができる。
卒業認定・学位授与の方針との関係（学部科目のみ）
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/​​​
履修上の注意　Course notes prerequisites
  • チームベースで、紹介されたAIプログラミングおよびIoTの実習を行う。
アクティブ・ラーニング科目　Teaching type（Active Learning）
小テストの実施　Quiz type test／グループワーク　Group work／実習　Practical learning
-

準備学習・復習　Preparation and review
単位の認定にあたっては、2単位あたり90時間の学修（各回の授業時間を2時間として、これに含む）が必要であると定められている。したがって、授業時以外において、毎週4時間程度の準備学習および復習が必要となる。それに照らし合わせて、次回の授業時までに以下を⽬安とした学習を⾃発的に⾏うこと。
【復習（2時間程度）】
前回の授業内容を復習し、特にどのような作業を行って、どのような結果が得られたかを復習する。
【準備学習（2時間程度）】
次回の授業内容を予習し、理解が困難な部分をあらかじめ把握しておく。予習に指定された課題に取り組む。
成績評価方法　Performance grading policy
  • 適宜、課題を課します（40%）
  • チーム単位で演習を行います
  • 中間試験と到達度評価を行います（60％）
  • ６回以上欠席した、中間試験を欠席した、到達度評価を欠席した、のいずれかに該当する場合は、履修放棄と見なします。
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)
Y
書誌情報　Bibliographic information
-赤石雅典著, 『ディープラーニングの数学』, 日経BP社, 2019.
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。
​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/

参考書・その他資料　Reference and other materials
【参考書】
［1］下島健彦著, 『IoT開発スタートブック』, 技術評論社, 2019.
［2」マッシモ・バンジ/マイケル・シロ−著、船田訳, 『Arduinoをはじめよう　第３版 』, オライリ−・ジャパンオ−ム社, 2015.
［3］神崎康宏, 『Arduinoで計る，測る，量る』（第7版）, ＣＱ出版, 2019.

適宜、資料をLetusにアップします。

授業計画　Class plan
1. ① Python programingと教養の数学の復習（小テスト）
　②解説とオリエンテーション
２〜３．教科書7章　線形回帰モデル（回帰）
４〜５．教科書8章　ロジスティック回帰モデル（２値分類）
６〜７．教科書9章　ロジスティック回帰モデル（多値分類）
８．中間試験と解説
９〜10.　ディープラーニングモデル
11．①AIのまとめ
　　②IoTのオリエンテーション
12. Lチカによるモールス信号
13. 温度と照度の可視化
14. 温度変化をスマホでモニタリング
15. 到達度評価

※本授業は全回対面で開講する。すべての回に対⾯で出席すること。
※授業計画については、状況に応じて⼀部変更する場合がある。

担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor
-
教育用ソフトウェア　Educational software
-
-Python
-Arduino IDE

備考　Remarks
  • IoTにおけるハンズオン教育では、マイコン、センサー、ブレッドボードなど必要な機材は、チームごとに貸し出します。
  • 受講⽣の準備・理解度等により、内容・進⾏を調整することがあります。

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class
Y
授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class
N