- 開講元
- 情報理工学院
- 担当教員名
- 金﨑 朝子 富井 規雄 村田 剛志 小野 功 新田 克己 小林 隆夫 三宅 美博 竹島 将太 綱島 香依 小坂 順一 瀬尾 範章 岩下 芳典 竹本 真平 新井 亮祐 濱口 峻 橋本 崇希 上田 哲郎 南里 卓也
- 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
- クラス
- 2
- 科目コード
- XCO.T495
- 単位数
- 1
- 開講年度
- 2023年度
- 開講クォーター
- 3Q
- シラバス更新日
- 2023年9月27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）ブリヂストン、日本特殊陶業、パナソニック、住友重機、富士通、三菱UFJ銀行、（クラス2）出光興産、日本製鉄、日産自動車、住友商事、東洋エンジニアリング、レゾナック、ＤＩＣの講師により実務経験に基づく講義を行う。 |
キーワード
データサイエンス、AI、フィンテック、製造業、建築業、機械学習、データ利活用、新事業開発
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
第1回～第7回：講義
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | 日本製鉄におけるDS・AI技術の活用 | 日本製鉄がDS・AI技術を活用し進めるDX施策について説明する。 |
| 第2回 | ドメイン知識を活用したニューラルネット ～データ収集だけでないアプローチ～ | ドメイン知識を活用したニューラルネット構築を題材に、背景にある原理を理解する重要性を学ぶ |
| 第3回 | 企業の研究開発で求められるDXとは？ | 企業の研究開発におけるデータ駆動科学の実用・実践を知って頂く |
| 第4回 | 現場から学ぶ総合商社のDX戦略：データ分析とAI活用の取り組み実例解析 | 総合商社におけるDX戦略とデータサイエンス・AI活用事例の理解 |
| 第5回 | 化学系素材開発におけるデータサイエンスのつかいかた（講義は11/22に実施） | 化学系素材開発におけるデータサイエンスの理論と実例 |
| 第6回 | 一品一様プロジェクトのデータ課題とデータ利活用アプローチ | プラントのEPCビジネスは、個々のプロジェクトが独自性を持つため、多様なデータの取り扱いが求められる。しかし、同じデータでもプロジェクトの状況や背景によって意味が異なり、条件も変化する。こうした特徴から、データ利活用や分析が難しい側面がある。こうした課題に対処する方法として、どのようなアプローチや事例があるか？ データ利活用の事例紹介を通じて、具体的なアプローチを学ぶ。 |
| 第7回 | 化学メーカーにおける情報システム戦略の考え方と、求めるDS・AI人材の技能・心構え | 情報システム戦略の考え方や求められる人材像を学び、先端技術の活用事例を知る |
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C-1とC-2の両方の単位を取得することはできない（両方の講義を聴講することは可能）。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。
