2022年度 | 実践AI・データサイエンスC 1

印刷

　ホーム
　> 情報理工学院
　> 情報理工学院
　> 実践AI・データサイエンスC 1

学士課程
大学院課程

2022年度　実践AI・データサイエンスC 1 Practical Artificial Intelligence and Data Science C 1

文字サイズ小中大

開講元: 情報理工学院

担当教員名: 村田剛志小野功新田克己小林隆夫長橋宏三宅美博花塚泰史森徹平木村和之岡田雅司金井司笈田佳彰森本裕介

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): 金7-8

クラス: 1

科目コード: XCO.T495

単位数: 1

開講年度: 2022年度

開講クォーター: 3Q

シラバス更新日: 2022年9月13日

講義資料更新日: -

使用言語: 日本語

アクセスランキング

シラバス

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）
✔ 該当する	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、三井信託銀行、富士通、三菱UFJ銀行、（クラス2）第一三共、日本電気、トッパン、コマツ、清水建設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、製薬、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	リアル×デジタルで価値を創造するタイヤメーカーが展開するソリューション事業	ブリヂストンは従来型製造業からソリューションプロバイダーへ転身すべく、全社を挙げてデジタルトランスフォーメーションを推進しています。当社が独自に有するバリューチェーン全体をいかにデジタル化していくか、そしてそこから得られたデータを意思決定や価値創出に役立てるカルチャーをいかに社内に醸成しようとしているか、の取り組みを紹介する
第2回	IoTタイヤから取得される時系列データの解析	電子デバイスの小型化，省電力化の進展により、様々なモノの使用状況がリアルタイムにデータとして入手できるようになってきました。その最たる例が自動車であり，CASEの概念で自動車は動く電子デバイスとなってきている。自動車の一部品であるタイヤも例外ではなく，空気圧や温度，加速度といったデータが，ほぼリアルタイムで入手可能になっている。本講義では、このようなデータからタイヤの摩耗や荷重といったより有用な情報に変換するアルゴリズムを、より低負荷、省メモリで実現する方法を考察する
第3回	実事業活動におけるデータサイエンス	素材研究開発におけるセラミックの焼成条件抽出等を含め、データサイエンス、Digital 技術活用よるデータドリブンな企業活動の現状を紹介する
第4回	微分可能性と不確実性を考慮した機械学習と産業応用	これからの機械学習技術を支える非常に重要な概念である「微分可能性」および「不確実性」について基礎と応用について講師の研究を交えながら紹介し、ロボット制御・自動監視などの産業応用への期待について議論する
第5回	SDGs・ESG⾦融の新潮流－求められるサイエンス思考	近年多くの企業でSDGsが取り入れられ、社会的インパクトの創出に力を入れている。本講義ではSDGsを題材にし、データサイエンス力とデータエンジニア力、ビジネス力を融合して創出した社会的ポジティブインパクトの事例を紹介、エビデンスを基に科学的かつ、前例に囚われない合理的な判断力を活かしたビジネスを感じることをゴールとする
第6回	AI適用プロジェクトのデザインと進め方	AIの実務適用プロジェクトでは様々な不確実性を最適にマネージする必要がある。本講義では、複数の実AI適用プロジェクト事例を紹介すると共に、プロジェクトの構想・設計・実行の各段階における不確実性とその対処方法について概説する。
第7回	金融とデータサイエンス	為替予測を題材に、手を動かしながら、為替トレーディング業務とそこで使われるデータサイエンスについて紹介する

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

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。
C-1とC-2の人数のバランスをとるため、C-2への申告もよろしくお願いします。C-1とC-2の人数に大きな差が出たときは、一部の学生さんにクラス変更をお願いすることがあります。

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

国立大学法人東京工業大学