【授業の目的】
AI・データサイエンスの知識を様々な専門分野へ応用し（AI×専門分野）、現実の課題解決、価値創造を行う上で、必要な知識を習得する。
【授業の到達目標】
1．データから各種の可視化で意味を抽出できる。【技能】
2．得られた情報を客観的に分かりやすく説明できる。【知識・理解】
3．AIを活用し課題解決につなげる基礎能力を修得する。【知識・理解】
4．自らの専門分野に数理・データサイエンス・AIを応用するための大局的な視点を獲得する。【知識・理解】
【授業概要（キーワード）】
アルゴリズム、数学、統計学、機械学習、Python
【学生主体型授業（アクティブラーニング）について】
A-1．ミニッツペーパー、リフレクションペーパー等によって、自分の考えや意見をまとめ、文章を記述し提出する機会がある。：26～50％
D-1．演習、実習、実験等を行う機会がある。：26～50％
【科目の位置付け】
データ解析基礎を履修したことを想定して、データの分析結果を活用する上で、必要となるデータの処理方法と表現方法を修得する。
【SDGs（持続可能な開発目標）】
04.質の高い教育をみんなに
08.働きがいも経済成長も
09.産業と技術革新の基盤をつくろう
【授業計画】
・授業の方法
WebClassを活用し、各回の教材にアクセスして、オンラインで学習する。
・日程
第1回～第6回：データサイエンスに必要となる線形代数・微分積分・統計学の基本を学ぶ。
第7回～第10回：現在のAIの現状と活用事例を学ぶ
第11回～第15回：データ解析の基本的な流れを学んだ上で、Pythonによる気象情報を使ったデータ解析実習を行う。
【学習の方法・準備学修に必要な学修時間の目安】
・受講のあり方
ZOOMやオンデマンドでのオンラインでの講義となります。
後半のデータ解析実習で対面＋オンラインでの議論を含む場合があります。
・授業時間外学習（予習・復習）のアドバイス
第1回～第6回の内容は、高校で学ぶ「数学Ⅲ」の内容を含みます。内容が多いので、講義だけでは、理解が十分に得られないため、参考とする動画を見ながらの事後学習が必要となります。第11回から第15回では、Google Colaboratory(Google Colab)によるPython実習がありますが、Pythonの基本に関しては、リンクで示した教材を事前に行って、実習に備えてください。
【成績の評価】
・基準
毎回の教材に対応する課題問題の達成率で評価する。
・方法
課題問題の内容で評価する(100%)
また、掲示板への書き込み状況で加点する。
【テキスト・参考書】
WebClassの教材をテキストとして活用する。
必要に応じて、WebClassで参考文献を紹介する。
【その他】
・学生へのメッセージ
データサイエンス・AIは、今後の社会で必ず必要となるツールです。自分の専門がどのような方向であろうと、このツールを習得することで、得られるアドバンテージはとても大きいと思います。
受講者数が多い場合は、人数制限を予定しています。
・オフィス・アワー
質問などは、WebClassの掲示板を通じて、いつでも受け付けます。
|