2023年度 応用基礎データサイエンス・AI第一 Basics and Applications of Data Science and Artificial Intelligence I
- 開講元
- 情報理工学院
- 授業形態
- 講義 (ライブ型)
- メディア利用科目
- 対象
- 曜日・時限(講義室)
- 水7-8(W2-401(W241))
- クラス
- -
- 科目コード
- XCO.T281
- 単位数
- 1
- 開講年度
- 2023年度
- 開講クォーター
- 1Q
- シラバス更新日
- 2023年3月20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
本講義は、データサイエンス・AIのリテラシーレベルの学修を終えてより高度な内容を学びたい学生を対象とし、数理・データサイエンス・AI（応用基礎レベル）モデルカリキュラムに準拠しつつ、将来のエキスパートレベルの学修に繋がる知識や実践的スキルの習得に必要な学修内容を提供する。データサイエンス、データエンジニアリング、AIそれぞれの分野における基礎理論、各種手法・アルゴリズムを解説し、実例紹介や課題演習を通して履修学生が理解を深めると共に実践的スキルを身につけることをめざす。学生には本講義と引き続く応用基礎データサイエンス・AI第二の両方を履修することを推奨する。
到達目標
以下の能力を身につけることを目標とする。
1) データサイエンスを学ぶ意義を理解した上で、データ分析手法を理解し目的に応じて適切な分析手法・可視化手法を選択できる
2) データエンジニアリングの役割を理解し、様々なデータのコンピュータ上での表現方法、データ収集・処理・蓄積技術を理解する
3) AIの歴史・技術的背景・倫理・社会との関わり、機械学習と学習アルゴリム、ニューラルネットワークと深層学習手法を理解し、AI技術を課題解決へ繋げることができる
キーワード
データ駆動型社会、ビッグデータ、データ構造、データベース、Python、代表値、相関、分散、確率分布、正規分布、乱数、線形回帰、最小二乗法
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
授業内容の理解度を確認するため毎回課題演習を課す。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | データサイエンス・AIの基礎と歴史 | データサイエンス・AIの基礎、歴史、役割について学ぶと共に、これらを学ぶ意義を理解する |
| 第2回 | データエンジニアリング基礎 | データ利活用において基盤となるデータの収集・処理・蓄積技術の概要とコンピュータ上でのデータ表現の基礎を理解する |
| 第3回 | データサイエンス・AI利活用基礎1 （Python言語とライブラリ） | データサイエンス・AIを利活用に必要なツールとなるPythonプロブラミング言語とNumPy、SciPy、matplotlibなどのライブラリについて学ぶ |
| 第4回 | データサイエンス・AI利活用2 (Python/pandasの利用) | Python言語におけるデータハンドリング・分析ツールであるpandasライブラリの使いこなしを、例題演習を通して学ぶ |
| 第5回 | データサイエンス・AI数学基礎 | データサイエンス・AI利活用において必須となる数学の基礎理論を学ぶ |
| 第6回 | データサイエンス基礎1 | データ分析に広く利用されている正規分布など主な確率分布を学び、その応用として乱数について学ぶ |
| 第7回 | データサイエンス基礎2 | データ分析の進め方、データのまとめ方、線形回帰や重回帰などのデータ分析手法の基礎を学び、例題を通して手法を理解する |
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。講義資料を配布する。
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
各回の課題演習と期末レポートを総合して評価する。
関連する科目
- LAS.I111 ： 情報リテラシ第一
- LAS.I112 ： 情報リテラシ第二
- LAS.I121 ： コンピュータサイエンス第一
- LAS.I122 ： コンピュータサイエンス第二
- LAS.I131 ： 基礎データサイエンス・AI
- LAS.M101 ： 微分積分学第一・演習
- LAS.M102 ： 線形代数学第一・演習
- LAS.M105 ： 微分積分学第二
- LAS.M106 ： 線形代数学第二
履修の条件(知識・技能・履修済科目等)
微分積分学第一・第二、線形代数学第一・第二、基礎データサイエンス・AIの学修内容相当の素養を修得していることを前提とする。
連絡先（メール、電話番号） ※”[at]”を”@”(半角)に変換してください。
小林隆夫 (lecture_ba_2023[at]dsai.titech.ac.jp)
オフィスアワー
T2SCHOLAのフォーラムかメールで質問すること。
