2022年度 実践AI・データサイエンスB 2   Practical Artificial Intelligence and Data Science B 2

文字サイズ 

アップデートお知らせメールへ登録 お気に入り講義リストに追加
開講元
情報理工学院
担当教員名
三宅 美博  村田 剛志  新田 克己  長橋 宏  小林 隆夫  渡辺 薫  三浦 悟  浜本 研一  岩壁 幸市  岡田 浩一  斎藤 徹  小川 原也 
授業形態
講義     
メディア利用科目
曜日・時限(講義室)
金9-10  
クラス
2
科目コード
XCO.T494
単位数
1
開講年度
2022年度
開講クォーター
2Q
シラバス更新日
2022年5月9日
講義資料更新日
-
使用言語
日本語
アクセスランキング
media

講義の概要とねらい

この授業科目は、AI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。2クラスの授業において、金融業、IT通信業、製造業、重工業、建築業等の分野における技術開発や商品開発の動向や課題を解説する。

到達目標

この授業科目は、様々な分野のAIやデータサイエンス技術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や新たな着想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。

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(クラス1)日鉄ソリューションズ、第一生命、みずほフィナンシャルグループ、古河電工、ファナック、三菱重工、(クラス2)日立製作所、鹿島建設、三井化学、東日本電信電話、SUBARU、の講師により実務経験に基づく講義を行います。

キーワード

データサイエンス、AI、生命保険、フィンテック、製造業、重工業、建設業

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

第1回~第7回:講義

授業計画・課題

  授業計画 課題
第1回 AI・データサイエンスによるオペレーション最適化の解法(1) ビジネスにおいてAI・データサイエンスが最も幅広く活用されている領域の一つである「生産管理、ロジスティクス、在庫管理等」のオペレーション最適化において、抽象的なビジネス要求を的確に理解し、AI・データサイエンスによって解くことのできる形式に落とし込むための検討方法をミニ演習(グループディスカッション)等を通じて学びます。
第2回 AI・データサイエンスによるオペレーション最適化の解法(2) ビジネスにおいてAI・データサイエンスが最も幅広く活用されている領域の一つである「生産管理、ロジスティクス、在庫管理等」のオペレーション最適化において、抽象的なビジネス要求を的確に理解し、AI・データサイエンスによって解くことのできる形式に落とし込むための検討方法をミニ演習(グループディスカッション)等を通じて学びます。
第3回 土木工事における施工DXとしての自動化施工システムの紹介 ―現場工場化への取組みー 現場作業員不足・高齢化等の問題の解決策の一つとして、鹿島では、建設機械の自動運転と生産設計・管理の最適化を核としたA4CSEL(クワッドアクセル)の開発に取組み、安全を確保しながら社会資本を安定的・継続的に供給する生産システム構築を目指す。その取組みを紹介し、従来のやり方を変えるために必要なことを考える。
第4回 総合化学企業の研究開発におけるデータサイエンスの活用 データサイエンスの隆盛に伴い,企業においても事業へのデータサイエンス活用の取り組みが行われている.本講義では,素材の研究開発における取組・活用事例を紹介する.
第5回 AI・データ分析による法人向けビジネスの高度化 日本におけるビジネスはその9割以上が法人向け市場であり、NTT東日本は全国に張り巡らされた1万人規模の営業体制によりこの市場に取り組んでいる。 この広大な市場において効率的な営業を実現するためにいかにしてAI・データ分析を活用するか。その取り組みについて解説する。
第6回 ステレオカメラを用いた画像処理技術の自動運転への適用 画像処理技術全般を自動運転用途などで自動車に適用するには、窓ガラス状の汚れや天候など、数々のレアケースに対する細やかな対応の作りこみが必要となる。 プロダクトとして信頼のできる画像処理技術のリアルな作りこみに触れていただく
第7回 運転支援システム、自動運転システムにおけるAIを用いた画像処理技術 AI/機械学習技術を用いた画像処理を先行車や歩行者認識等自動車分野に適用している事例や、実用化する際の課題に関して、スバルの取り組みを交えて解説する。

授業時間外学修(予習・復習等)

学修効果を上げるため,教科書や配布資料等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

なし

参考書、講義資料等

講義資料は事前にT2SCHOLAに掲載し、Zoom講義の画面でも共有する

成績評価の基準及び方法

各回に提出を求める小レポート等を総合して評価する

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
  • XCO.T483 : 応用AI・データサイエンスA
  • XCO.T484 : 応用AI・データサイエンスB
  • XCO.T485 : 応用AI・データサイエンスC
  • XCO.T486 : 応用AI・データサイエンスD

履修の条件(知識・技能・履修済科目等)

実践AI・データサイエンスB-1とB-2の両方の単位を取得することはできない。データサイエンス・AI特別専門学修プログラムの履修学生を優先することがある。

その他

スライド配布とレポート受付はT2SCHOLAによって行う。詳細は以下のサイトを参照のこと。
https://sites.google.com/view/tokyotechdsai/jissen

このページのトップへ