本講義では、専門分野に依らず将来的にデータサイエンス・AI を駆使して問題解決ができる能力を身につけるために必須となる数理・データサイエンス・AI のリテラシーレベルの素養を習得することを目的とする。学修内容は、数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラムに準拠しつつ、履修学生が引き続いて応用基礎レベルへのステップアップが容易にできるよう発展的な学修項目も含んでいる。また、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。
以下の能力を身に付けることを目標とする。
1)今後のデジタル社会において、数理・データサイエンス・AIを日常の生活、仕事で使いこなす基礎的素養を主体的に身に着けることができる。
2)これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意思でAI等の恩恵を享受し、これらを説明し、活用できるようになる。
IoT,ICT,クラウドコンピューティング,Society 5.0, 個人情報保護, 匿名加工情報, 著作権, オープンデータ, 表計算, データクレンジング, データ要約, ヒストグラム, 散布図, CSV表現, データ入出力, Python, NumPy, Matplotlib,Scikit-learn, 機械学習, 教師なし学習
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) |
授業時間の最後に、授業内容の理解度を確認するための小テストを毎回行う。
授業計画 | 課題 | |
---|---|---|
第1回 | 導入:社会におけるデータ・AI利活用 | データサイエンス・AIの利活用状況を知るとともに、AI化による新たな課題やデータサイエンスの目指す方向性、AIシステムに求められるデータの公平性や倫理性について学ぶ。 |
第2回 | 心得:データを扱う上での留意事項 | データ利活用の対象となる様々な情報の存在を知るとともに、表計算ソフトを利用したデータ利活用の基本についても学ぶ。 |
第3回 | 基礎1:データを読む | 収集データの属性表現やデータ要約・可視化の概要について学ぶとともに、データ処理で重要な役割を果たすPythonの基本データ型に関して、演習を通して理解を深める。 |
第4回 | 基礎2:文字列データを扱う | Pythonによる文字列からの単語の切り出し方とその扱いについて学ぶとともに、テキストデータの入出力についても学ぶ。 |
第5回 | 基礎3:表形式データを扱う | Pythonのデータ表現を拡張するNumPyモジュールについて学ぶとともに、NumPyを利用 したCSVデータの扱い方についても理解を深める。 |
第6回 | 基礎4:データを説明する | NumPy型データの活用事例として、データの要約・分析・可視化を行う簡単なPythonプログラムについて学ぶ。 |
第7回 | 選択:データ活用実践(教師なし学習) | NumPyとScikit-learnを利用した簡単な教師なし学習の例題演習をもとに、問題解決のための機械学習の役割と効果について学ぶ。 |
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。
なし。講義資料を配布する。
講義資料は事前にT2SCHOLAに掲載し、Zoom画面でも共有する。
各回の小テストと期末レポートを総合して評価する。
特になし。