2024年度 応用実践データサイエンス・AI発展第一B Progressive Applied Practical Data Science and Artificial Intelligence 1B
- 開講元
- データサイエンス・AI全学教育機構
- 担当教員名
- 金﨑 朝子 新田 克己 富井 規雄 宮﨑 慧 奥村 圭司 佐久間 淳 三宅 美博 小野 功 Felnando Paulo Leonychev Iurii MENDIETA ERICK LE HOA Cai Sean 小林 由幸
- 授業形態
- 講義 (ライブ型)
- メディア利用科目
- 曜日・時限(講義室)
- 水7-8(M-B45（H105）)
- クラス
- -
- 科目コード
- DSA.P612
- 単位数
- 1
- 開講年度
- 2024年度
- 開講クォーター
- 1Q
- シラバス更新日
- 2024年3月29日
- 講義資料更新日
- -
- 使用言語
- 英語
- アクセスランキング
-
講義の概要とねらい
この授業科目は、人工知能やデータサイエンス技術の社会実装の現状と最先端技術を理解し、それらの技術の応用可能性と課題を考察することを目的としている。各回の授業において、建築、IT、金融、材料等のさまざま分野の企業の講師がデータサイエンスや人工知能を用いた技術開発や商品開発の事例を紹介する。
幅広い分野におけるデータサイエンスや人工知能技術の応用事例に関する知識を獲得し、課題レポートによって社会応用に関する考察内容を説明することによって、受講生が実社会において活躍する広い視野を得ることを目標にしている。
そのためこの授業科目では7回の授業の他に、企業講師との対話を重視しており、原則として2024年6月3日午後に大岡山キャンパスで対面で開催されるDS&AIフォーラムへ参加するものとする。（2024年3月29日追記）
到達目標
この授業科目は、データサイエンスと人工知能の社会実装に関する理解を深め、受講生が実社会において活躍する能力を高めることを目標にしている。
実務経験のある教員等による授業科目等
| ✔ 該当する | 実務経験と講義内容との関連（又は実践的教育内容） |
|---|---|
| この授業科目は楽天グループ、第一三共、ソニーの講師により、実務経験に基づいて課題解決の技法を講義していただく |
キーワード
データサイエンス、人工知能、機械学習、製薬、IT
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | 教養力 | コミュニケーション力 | ✔ 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
授業の進め方
この科目はZoomによるライブ型授業である。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | 効率的なLLM本番展開 | この講義では、独自の大規模言語モデルを使用してソフトウェア製品を構築するための実践的な推奨事項を紹介致します。 |
| 第2回 | 大規模な Web サービスを構築するためのヒントとコツ | • Webのスケーラビリティに関するキー概念 • インターネットビジネスのトレンド • 分散アーキテクチャの共通専門用語 • 生長のダイナミクス • スケーラブルな設計：高トラフィックと分散データ • 生長のための組織をどのように用意するか |
| 第3回 | Eコマースにおけるセマンティック検索と広告の最適化について | この授業では、セマンティック検索に重点を置きながら、検索や広告の最適化のためのAIの構築と実装のプロセスについて学び、Eコマース領域におけるこの種のモデルの必要性と応用について議論します。 |
| 第4回 | 臨床試験業務におけるデータサイエンスツールと高度な分析 | 記述的分析 - 例：過去の臨床試験成績を評価するスタディファインダーダッシュボード 予測分析 - 例：将来の試験を予測・シミュレーションする登録予測ツール 処方的分析 - 例：試験結果を最適化するための国選択ツール |
| 第5回 | 医薬品研究開発におけるリアルワールドエビデンスとAI/ML活用の機会と課題 | リアルワールドデータ（RWD）は、新たな知見を導き出し、製品研究開発を加速させるために、製薬業界で広範かつますます使用されるようになっている。RWDソース、リアルワールドエビデンス（RWE）、先進的手法（傾向スコア、伝統的・生成的AI/MLなど）、アプリケーション（臨床試験デザインへの情報提供、単一群臨床試験の規制上の意思決定をサポートする外部対照群としての役割など）、ベストプラクティス、ケーススタディについて議論する。 |
| 第6回 | ソニーにおけるDeep Learningの活用促進と応用事例(1) | 企業視点から見たAIの現状認識を学ぶ |
| 第7回 | ソニーにおけるDeep Learningの活用促進と応用事例(2) | AI時代に向けた企業の取り組み事例を学ぶ |
授業時間外学修（予習・復習等）
学修効果を上げるため，配布資料の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
指定しない。
参考書、講義資料等
講義資料は事前にT2SCHOLAに掲載する。
成績評価の基準及び方法
期末試験は実施しない。毎回の課題レポートにより評価する。
また、2024年6月3日に開催されるDSAIフォーラムへの参加結果を評価に含める。（2024年3月29日追記）
関連する科目
- XCO.T487 ： 基盤データサイエンス
- XCO.T488 ： 基盤データサイエンス演習
- XCO.T489 ： 基盤人工知能
- XCO.T490 ： 基盤人工知能演習
履修の条件(知識・技能・履修済科目等)
本講義は博士後期課程の学生だけが履修できる。博士後期課程以外の方はDSA.P412「応用実践データサイエンス・AI第一B」を受講すること。
連絡先（メール、電話番号） ※”[at]”を”@”(半角)に変換してください。
金崎朝子，新田克己，富井規雄
lecture_ap[at]dsai.titech.ac.jp
オフィスアワー
メールで事前予約すること。
その他
・本授業科目はアントレプレナーシップ科目とみなせる専門科目である。本科目が対応するGAはGA0M・GA1Mである（2024年3月29日追記）
・本科目は2023年度まで開講していた応用AI・データサイエンス発展C2(XCO.T689-2)に対応している。応用AI・データサイエンス発展C2を履修した方は本科目を履修することはできない。
