2022年度 応用AI・データサイエンス発展C 2   Progressive Applied Artificial Intelligence and Data Science C 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  金崎 朝子  新田 克己  長橋 宏  小林 隆夫  瀧川 孝幸  Scott Lupton  Yulin Zhuang  Felnando Paulo  Viktor Zhumaity  Carlos Kobashikawa  Robert Johansson  Tanaka Yoko  Lu Yong 
授業形態
講義     
メディア利用科目
曜日・時限(講義室)
水7-8  
クラス
2
科目コード
XCO.T689
単位数
1
開講年度
2022年度
開講クォーター
1Q
シラバス更新日
2022年4月4日
講義資料更新日
-
使用言語
英語
アクセスランキング
media

講義の概要とねらい

この授業科目は人工知能とデータサイエンスにおける社会実装の最前線を学び、さらに自分の研究を社会実装するときの課題を考察することを目標としている。
ITサービス、金融業界、製薬業界の最前線で必要とされる技術の大枠を理解した上で、人工知能とデータサイエンスを活用する可能性について考察できるようデザインされている。2つのクラス(クラス1:日本語開講、クラス2:英語開講)で実施され、授業計画に示すとおり各回の授業において、企業の講師によりそれぞれのトピックに関する全体像と最近の動向が解説される。

到達目標

この授業科目は、人工知能とデータサイエンス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高度な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)
この授業科目はクラス1では株式会社リクルートと野村ホールディングス株式会社の講師により、クラス2では野村ホールディングス株式会社と楽天グループ株式会社と第一三共株式会社の講師により、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

人工知能、データサイエンス、機械学習、資産運用、電子商取引、強化学習、臨床開発

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

この授業科目では、学生自らが能動的に学ぶことを重視します。各回の講義には必ず出席してください。

授業計画・課題

  授業計画 課題
第1回 資産運用のための定量モデル開発 資産運用のための定量モデルについて、伝統的なフレームワークから機械学習技術の活用事例までを体系的に説明する
第2回 データサイエンスプロジェクトにおける起案からデリバリーまでのライフサイクルについて:トレード監視をケーススタディとして 金融実務におけるデータサイエンスプロジェクトがどのようなライフサイクルを経て発展していくかについて紹介する
第3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4回 (1) ビジネスにおけるデータサイエンスの紹介 (2) ビジネスコントロールのための強化学習 (1) 電子商取引を中心としたデータサイエンスの導入とビジネスにおけるアプリケーション調査 (2) 電子商取引検索の例に関する主要パフォーマンス指標の最適化を目的とした学習、探索、行動
第5回 (1) 電子商取引の運用と遂行におけるデータサイエンスソリューション (2) 製品推薦のためのユーザの嗜好の推測 (1) 最適化アプリケーション:価格、在庫、物流 (2) 製品推薦の方法
第6回 臨床試験でのデータ分析の適用 データ分析は、製薬業界におけるデータサイエンスの機能を強化する最近の傾向となっています。業界アプリケーションをサポートするコンセプト、業界のニーズ、および利用可能な技術について説明する。
第7回 臨床開発における実世界のエビデンスの活用における機会と課題 実世界のデータ(RWD)は、臨床試験の設計を知らせ、臨床試験で不足しているコンテキストを提供し、臨床試験データをよりよく理解するために情報に基づいた規制上の意思決定を最適化することを理解する。

授業時間外学修(予習・復習等)

学修効果を上げるため,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画面でも共有する。

成績評価の基準及び方法

期末試験は実施しない。技術的な理解度を問う毎回の小レポートと期末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
  • XCO.T483 : 応用AI・データサイエンスA
  • 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)

この授業科目は博士後期課程の学生を対象としています。それ以外の方は,応用AI・データサイエンスC(XCO.T485-1, XCO.T485-2)を履修してください。

連絡先(メール、電話番号)    ※”[at]”を”@”(半角)に変換してください。

新田克己  nitta.k.aa[at]m.titech.ac.jp
金崎朝子  kanezaki[at]c.titech.ac.jp

オフィスアワー

メールで事前予約すること。

このページのトップへ