人工知能 (artificial intelligence; AI) の基礎技術である機械学習に関する基本的な知識を学ぶ。また、さまざまなデータセットを用いたプログラミング演習を通して、機械学習の一連の処理を実装するための基本的な能力を身につける。

(a) 機械学習による数理モデル化の目的や具体的な処理を、解きたい問題に応じて説明することができる。【知識・理解】
(b) プログラミング言語Pythonを用いて、機械学習の基本的な処理を実装することができる。【技能】

機械学習、データサイエンス、最適化、数理モデル化、予測、人工知能、プログラミング、Python, AI

D-1．演習、実習、実験等を行う機会がある。：51～75％

文系・理系、業種、専門分野などにかかわらず、プログラミングによるデータ処理技術やデータを用いた数理モデル化による課題解決能力が重要になってきている。本授業は、入門レベルの演習課題を通して、機械学習を用いた数理モデルの構築に必要なステップを把握・設計し、実行するという一連の流れを体験するものである。
本授業に関連する科目：大学院共通科目「データサイエンス」

09.産業と技術革新の基盤をつくろう

オンライン会議システムを利用したオンライン形式で全授業を行う。授業資料はWebClassを用いて共有する。授業の各回では、内容の説明の後、各自がPythonのプログラミング演習課題に取り組む。演習時間中は適宜質問を受け付ける。

第1週 初回ガイダンス，Pythonの基礎 1/2
第2週 Pythonの基礎 2/2
第3週 回帰
第4週 分類
第5週 教師なし学習
第6週 生成モデル
第7週 応用課題の演習
※状況によっては、内容や実施順序を変更する可能性がある。

【学習の方法・受講のあり方】
　全7回の授業でオンライン会議システムを利用する。インターネット環境、Pythonの演習およびZoomへの接続を同時に行うことのできるパソコンを用意する必要がある。（資料表示用のタブレットやディスプレイなどを同時に使用できる環境があれば、よりスムーズに演習が実施できる。）Pythonの演習には、ブラウザ上でPythonプログラムを実行することができるGoogle Colaboratoryなどのシステムを使用する。
【学習の方法・準備学修に必要な学修時間の目安】
・演習課題では入門レベルの問題を扱う。PythonやGoogle Colaboratoryについての基礎知識がない場合も受講可能であるが、入門レベルの書籍やインターネット上の入門教材等を参照し、受講前や授業終了後に知識を補強しておくことが望ましい。
・授業の性質上英語の文献やドキュメントを参照することがあるため、分からないことがあればその都度辞書をひいたり検索したりして意味を確認する。

オンライン開講のため、対面でのサポートは想定していない。授業で不明な点がある場合は、可能な限り授業時間内に質問して解決するよう心がける。授業時間外の学習で不明な点が生じた際は、WebClassやメールを通じて担当教員に連絡する。

授業の到達目標に記した各項目が達成されていることを合格の基準とする。

演習課題、レポートにより100点を満点として判定し、60点以上の場合に単位を認定する。

【テキスト】
特に指定しない。必要がある場合は、各自で市販の書籍やインターネット上の情報を参考にする。
【参考資料】※URLは2025年1月時点の情報である。
(1) Pythonの基本的な使用法について
Python チュートリアル - Python.org
https://docs.python.org/ja/3/tutorial/
(2) Google Colaboratory の基本的な使用法について
Colaboratory へようこそ - Colaboratory
https://colab.research.google.com/?hl=ja

授業時間中の質問を推奨します。質問の内容を受講者全員に共有でき、同じ部分でつまづいている人の役に立つだけでなく、異なる部分でつまづいている人の問題解決のヒントになることが多いため、ぜひ積極的に質問してください。

全学での開講のため、基本的にはメールやWebClassを通じて担当教員に問い合わせてください。