シラバス表示
シラバスの詳細な内容を表示します。
→ 閉じる（シラバスの一覧にもどる）
科目の基本情報
| 開講年度 | 2024 年度 | |
|---|---|---|
| 開講区分 | 共通教育・大学基礎科目 | |
| 受講対象学生 |
学部(学士課程) : 1年次 生物資源学部海洋生物資源学コース1年 |
|
| 授業科目名 | データサイエンスII | |
| でーたさいえんすに | ||
| Data Science II | ||
| 単位数 | 2 単位 | |
| ナンバリングコード | gedu-fndn-DASC2123-021
|
|
| 開放科目 | 非開放科目 | |
| 分野 | ||
| 分類・領域 |
教養基盤科目・基礎教育 (2022（令和4）年度〜2015（平成27）年度入学生対象) |
|
| 開講学期 |
後期 |
|
| 開講時間 |
木曜日 5, 6時限 |
|
| 授業形態 |
対面授業 * 状況により変更される可能性があるので定期的に確認して下さい
「オンライン授業」・・・オンライン会議ツール等を利用して実施する同時双方向型の授業 |
|
| 開講場所 | ||
| 担当教員 | 金岩 稔 | |
| Kanaiwa, Minoru | ||
| SDGsの目標 |
|
|
| 連絡事項 | * 状況により変更される可能性があるので定期的に確認して下さい |
|
学修の目的と方法
| 授業の概要 | 近年、人工知能（AI）という言葉をよく耳にする。AIに関連した技術の進歩は、わたしたちの暮らしを便利にする一方で、AIに仕事を奪われるかもしれないなど、新たな社会問題となってきている。そもそも、AIとは何でしょうか。本講義では、まず初めにAIとそれを支える技術（データ収集・解析、機械学習など）との関係を整理し、マーケティング、企業分析、品質管理、生命科学、金融、保険、製造業などの分野でAIが社会でどのように活用されているかを学ぶ。つぎに、AIを理解するために必要なデータサイエンスの基礎（データを収集して読み、説明し、適切に扱う）を学ぶことで、現在、AIが得意としている画像認識と音声認識（類似画像検索やキノコの種類を教えてくれる、自動翻訳や音声検索アプリに応用されている）を例に、実際にデータがどのようにして扱われているのかを理解する。 |
|---|---|
| 学修の目的 | 今後のデジタル社会において、データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を身に付けること。そして、学修したデータサイエンス・AIに関する知識をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意志で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ことを目的とする。 学生が、急速に発展しグローバル化するAIを中心としたデジタル化社会において発生すると思われる科学的問題に関心を持ち、それらについて合理的・科学的に考える力を身に着けることができる。また、AIの普及に伴う社会構造の変化に対応するための対応策を考えることができるようになる。 |
| 学修の到達目標 | データリテラシーに基づいて収集・整理したデータに対し，これらを適切に読み，説明し，扱うための基礎知識を修得する． データサイエンスやAIが実社会で活⽤されている事例を通し，関連する技術の概要を理解する． ・統計情報を正しく理解することができる・データの種類や性質に関する知識を⾝につける ・ビジュアル化されたデータから適切に情報を読み取ることができる ・誤った情報を伝えないように適切にデータをビジュアル化することができる ・データ処理のための環境整備からプログラム作成までの基本を⾝につける ・実際のデータサイエンスのプロセスを理解する |
| ディプロマ・ポリシー |
|
| 成績評価方法と基準 | 受講態度30%課題70% |
| 授業の方法 | 講義 演習 |
| 授業の特徴 | |
| 授業アンケート結果を受けての改善点 | パソコンを利用することがあります。 |
| 教科書 | |
| 参考書 | |
| オフィスアワー | 毎週木曜日12:00-13:00 |
| 受講要件 | |
| 予め履修が望ましい科目 | データサイエンスI |
| 発展科目 | 卒業研究 |
| その他 | 3回分の講義は、奥原先生（データサイエンス教育センター/工学研究科情報工学専攻）提供によるビデオ教材を使います。 |
授業計画
| MoodleのコースURL |
|---|
| キーワード | データサイエンス、デジタル化社会、統計学 |
|---|---|
| Key Word(s) | Data Science、Digital Society、Statistics |
| 学修内容 | 1.社会で起きている変化、活用されているデータ 2.データ・AI利活用の最新動向～活用領域・現場・技術 3. AI利活用のためのデータ処理(データを読む1) 4. データ解析の目的・度数分布表・ヒストグラム・相関と散布図・データの中心を表す尺度（データを読む2） 5. データのばらつきを表す尺度（データを読む3） 6. 標準化・共分散・回帰直線（データを読む4） 7. データ発生のメカニズム、母集団と標本、無作為抽出、確率（データを説明する１） 8. 事象の独立性、確率分布と確率変数、確率分布の平均と分散（データを説明する２） 9. コイン投げとベルヌーイ試行、離散型確率変数二項分布、ポアソン分布（データを説明する３） 10. 連続型確率変数、正規分布（データを説明する４） 11. 確率変数の独立性、無作為標本の定義、標本平均と標本分散、不編性（データを扱う１） 12. 標本平均の分布、点推定と区間推定、母平均の区間推定（データを扱う２） 13. 母比率の推定（データを扱う３） 14. 統計的仮説検定（データを扱う４） 15. ノンパラメトリック検定（データを扱う５） 講義の順序などは変更することがあります |
| 事前・事後学修の内容 | 【予習】事前にお知らせする講義内容予報にもとづき，事前に各講義の学修内容について予習する． 【復習】講義内容や講義で⽤いた資料などを活⽤し，各講義の学修内容について復習する． |
| 事前学修の時間:80分/回 事後学修の時間:160分/回 |