科目情報
コースナンバリング |
1-410x000 |
---|---|
科目名 |
データサイエンス BasicⅠ |
開講学期 |
後期 |
開講時期 |
3クォータ |
曜日・校時 |
時間割外 |
単位数 |
1 |
授業担当教員 |
西郡 大、皆本 晃弥、露木 隆 |
講義情報
学士力番号
1-(1)、1-(2) |
講義形式
オンデマンド(録画配信):Moodleによる受講 |
講義概要
本講義では、数理・データサイエンス・AIを日常生活や仕事などの場で利活用できる基礎的素養を身に付け,これらを問題解決や他者との円滑なコミュニケーション等に正しく活用できる人材を育成することを目的として,授業計画に記した内容について学ぶ。 |
開講意図
ビッグデータという言葉に象徴されるように,ビジネス,医療,教育,農業,工業など様々な分野で大量かつ多様なデータが得られるようになってきた。そのため,このデータを新しい資源ととらえ,データに基づいて様々な問題を解決していく能力,「データサイエンス力」を備えた人材があらゆる分野で求められている。ぜひ本講義を通して,文系理系を問わず、データサイエンスに興味をもってもらいたい。なお,本講義は,高大連携活動の一環として高校生も受講できるように開講する。 |
到達目標
1.1 データ・AIがもたらす社会の変化やAIを活用したビジネス/サービスを知り,数理・データサイエンス・AIを学ぶことの意義を理解する。 |
聴講指定
本講義は,データサイエンスの入門編です。原則として,データサイエンスを初めて学ぶ方や基礎的な内容の理解を深めたい方を対象とします。 |
履修上の注意
Moodleに掲載している『データサイエンスBasicⅠ』の受講上の注意とマニュアルを必ず確認すること。 |
授業計画
回 |
内容 |
授業以外の学習 |
---|---|---|
1 |
社会で起きている変化 |
授業で指定された課題に取り組むこと。 |
2 |
データサイエンス・AIとその重要性 |
授業で指定された課題に取り組むこと。 |
3 |
社会で活用されているデータ |
授業で指定された課題に取り組むこと。 |
4 |
人工知能と機械学習の概要 |
授業で指定された課題に取り組むこと。 |
5 |
データ・AIの活用領域 |
授業で指定された課題に取り組むこと。 |
6 |
データ・AI利活用のための技術 |
授業で指定された課題に取り組むこと。 |
7 |
データサイエンスのサイクル |
授業で指定された課題に取り組むこと。 |
8 |
データ・AI利活用の現場 |
授業で指定された課題に取り組むこと。 |
成績評価の方法と基準
・全8回の講義動画を視聴し,すべての課題を期限内に提出することが単位認定の条件とする(1回でも未提出がある場合は,「不合格」)。 |
開示する成績評価の根拠資料等
課題の出題意図 |
開示方法
課題やテストの開示を希望する人は、担当教員にメールで問い合わせること。 |
教科書
資料名 |
版 |
|
---|---|---|
著者名 |
発行所名・発行者名 |
出版年 |
備考(巻冊:上下等) |
ISBN |
|
特定の教科書は使用しない。 |
||
オフィスアワー
質問や相談がある場合は,メールを通じて行うこと。 |
アクティブラーニング導入状況
アクティブラーニング導入状況 |
||||
---|---|---|---|---|
カテゴリー4 |
カテゴリー3 |
カテゴリー2 |
カテゴリー1 |
カテゴリー0 |
学生が自ら主体となって、学習の方向性を定め、問題解決に導くための時間です。PROBLEM BASED LEARNING |
グループや個人で行った能動的学習の成果を、教室内外で発表し、その評価を受けたり、質問に対応したりすることにより、学修した内容を深化させるための時間です。OUTPUT |
学生自らが自由に発言し、グループやペアでの協働活動により課題に取り組み、何らかの帰結に到達するための能動的学習の時間です。INTERACTION |
学生からの自由な発言機会はないものの、授業時間中に得られた知識や技能を自ら運用して、問題を解いたり、課題に取り組んだり、授業の振り返りをしたりする能動的学習を行う時間です。ACTION |
基本的に学生は着席のまま、講義を聞き、ノートをとり、知識や技能を習得に努める時間です。INPUT |
0 |
0 |
0 |
50 |
50 |