- 開講元
- データサイエンス・AI全学教育機構
- 授業形態
- 講義
- メディア利用科目
- 曜日・時限(講義室)
- -
- クラス
- -
- 科目コード
- DSA.P433
- 単位数
- 1
- 開講年度
- 2024年度
- 開講クォーター
- 3Q
- シラバス更新日
- 2024年3月29日
- 講義資料更新日
- -
- 使用言語
- 日本語
- 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。
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） |
|---|---|
| この授業科目は第一三共株式会社、株式会社竹中工務店、日本ガイシ株式会社、三菱商事株式会社の講師により実務経験に基づく講義を行う。なお、講義をしていただく企業は変更される可能性がある。 |
キーワード
データサイエンス、AI、製薬会社、建設業、素材、総合商社
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
この科目はハイフレックス型に分類されているが、大岡山とすずかけ台の所定の教室でしか受講できない。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | 企業におけるデータサイエンス・AIの実装事例 | 企業におけるデータサイエンス・AIの実装事例を理解する |
| 第2回 | ライフサイエンスにおけるデータサイエンスの活用可能性検討 | 本講義では、データサイエンスがライフサイエンスの発展にどのように貢献できるかを議論する |
| 第3回 | 製薬企業における医薬品開発のためのデータサイエンス | 本講義ではデータサイエンスが製薬企業の医薬品開発にどのように貢献しているかについて説明する。 |
| 第4回 | 建築会社におけるデータサイエンス・AIの応用事例 | 建築会社におけるデータサイエンス・AIの応用事例を理解する |
| 第5回 | 素材企業におけるデータサイエンス・AIの応用事例 | 素材企業におけるデータサイエンス・AIの応用事例を理解する |
| 第6回 | 総合商社におけるデータサイエンス・AIの応用事例 | 総合商社におけるデータサイエンス・AIの応用事例を学ぶ |
| 第7回 | 企業におけるデータサイエンス・AIの実装事例 | 企業におけるデータサイエンス・AIの実装事例を理解する |
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。
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)
博士後期課程の方はDSA.P633「応用実践データサイエンス・AI発展第三C」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）
・本シラバスは第３Qが始まる前に改定される可能性がある。
・本科目は2023年度まで開講していた実践AI・データサイエンスC1(XCO.T495-1)に対応している。実践AI・データサイエンスC1を学部のときに履修した方は、本科目を履修申告すること。また、大学院で実践AI・データサイエンスC1を履修した方は本科目を履修することはできない。
