シラバス | 関西大学 AI・データサイエンス教育プログラム

シラバス

科目名をクリックすると、本学シラバスシステムの該当ページの閲覧が可能です。

入門教育：リテラシーレベル

科目名	活用法を見聞するAI・データサイエンス
授業概要	人工知能（AI）・データサイエンスを活用して新しい知見を見出すには、適切なアルゴリズムを用いて科学的手法に基づいたデータ分析が必要である。また、AIやデータサイエンス技術は、従来の特定の技術領域から様々な分野へと活用の場を広げている。この講義では、様々な専門分野におけるAI・データサイエンス技術の活用事例をリレー形式で紹介する。さらに、これらの技術の進歩によって生じる社会的問題を取り上げ、利活用上の留意事項についても説明する。
到達目標	① 知識・技能の観点・AIやデータサイエンスの意味と価値が理解できる。・AIやデータサイエンスにおけるデータ分析の方法が理解できる。・AIやデータサイエンスが様々な分野で広く活用されていることが理解できる。 ②思考力・判断力・表現力等の能力の観点・AIやデータサイエンスにおけるデータ分析の方法を説明できる。・AIやデータサイエンス技術が様々な分野と結びついて活用されることの重要性を説明できる。・AIやデータサイエンス技術が利活用される中で生じる社会問題について説明できる。 ③主体的な態度の観点・講義内容を振り返り、自身の専門分野におけるAIやデータサイエンスの意味を考えることができる。
授業計画	オンデマンド配信で実施する毎回、授業毎に授業資料の配布、小テスト、質問受付を関大LMSを通じて行う原則、毎週「時間割の月曜日・15時」に資料の配布、小テスト、質問の受付を開始し、ちょうど1週間後の15時に終了する小テストを未受験、または提出未完了の場合は欠席扱いとする授業を4回以上欠席した場合、小テストの総点に関係なく、単位認定を行わない
	1	AI・データサイエンスとは（商学部　矢田勝俊）
	2	「社会調査データから現代社会を読み解く」（総合情報学部　阪口祐介）
	3	「見えないものを測る〜心の数値化〜」（人間健康学部　森田亜矢子）
	4	「AI・データサイエンスと法律の対応：自動運転と法、資本市場の高頻度取引、健康増進型保険を中心に」（法学部　原弘明）
	5	「漢文データの利用と自動解析」（文学部　二階堂善弘）
	6	「ウソの因果関係に騙されないためには」（経済学部　本西泰三）
	7	「無数に存在する解の中から最適な解を見つけ出す」（商学部　村上啓介）
	8	「社会病理とデータサイエンス」（人間健康学部　西川知亨）
	9	「政策のためのデータ・データのための政策」（政策創造学部　岡本哲和）
	10	「外国語学習・教育とAI・データサイエンス」（外国語学部　水本篤）
	11	「シミュレーションで，成り行きの未来から選択する未来へ」（非常勤講師　村田忠彦）
	12	「データ・AIを安全に活用するために：データ保護およびデータ・AI利活用における留意事項」（社会安全学部　河野和宏）
	13	「都市環境とAI・データサイエンス」（環境都市工学部　安室喜弘）
	14	「化学・材料・生命工学におけるAI活用法」（化学生命工学部　葛谷明紀）
	15	「Rによるクラスタリング、まとめ」（総合情報学部　堀井康史）

科目名	活用法を体験するAI・データサイエンス
授業概要	人工知能（AI）やデータサイエンス（DS）の技術は、文系・理系を問わず様々な分野で利活用が進んでおり、大学生の誰もが身につけるもっとも基礎的なスキルと考えられている。この講義では、膨大なデータを適切なアルゴリズムを用いて統計学的に扱う方法と、機械学習、ソフトコンピューティング、ニューラルネットワーク・ディープラーニングといったAI特有のデータ処理技法を、様々な実例を通して実践的に学ぶ。なお、講義では可能な範囲で演習を取り入れながら、AI・データサイエンスを体験する。
到達目標	① 知識・技能の観点・AIやデータサイエンスにおけるデータの取得法や解析法が理解できる。・AIやデータサイエンスに関する基礎から応用までの研究事例が理解できる。 ②思考力・判断力・表現力等の能力の観点・AIとデータサイエンスにおけるデータ処理の手順、意味、価値を説明できる。 ③主体的な態度の観点・講義内容を振り返り、自身の専門分野におけるAIやデータサイエンスの活用を考えることができる。
授業計画	オンデマンド配信で実施する毎回、授業毎に授業資料の配布、小テスト、質問受付を関大LMSを通じて行う原則、毎週「時間割の月曜日・15時」に資料の配布、小テスト、質問の受付を開始し、ちょうど１週間後の15時に終了する小テストを未受験、または提出未完了の場合は欠席扱いとする授業を4回以上欠席した場合、小テストの総点に関係なく、単位認定を行わない
	1	AI・データサイエンスとは（総合情報学部　林勲）
	2	DSの基礎を学ぶ「政治現象を解明する」（総合情報学部　宋財泫）
	3	DSの基礎を学ぶ「心の動きを学ぶには」（社会安全学部　土田昭司）
	4	DSの研究を知る「原因と結果を見つける：ランダム化比較試験・自然実験」（社会学部　小川一仁）
	5	DSの研究を知る「人の行動を理解しビジネスへ」（商学部　高井啓二）
	6	DSの研究を知る「都市の現状を知り温暖化適応策を考えるためのデータサイエンス」（環境都市工学部　宮崎ひろ志）
	7	DSの研究を知る「遺伝情報」（化学生命工学部　葛谷明紀）
	8	AIの基礎を学ぶ「データから知識を考える」（システム理工学部　小尻智子）
	9	AIの基礎を学ぶ「あいまいな知識を考える」（システム理工学部　徳丸正孝）
	10	AIの基礎を学ぶ「行動の学習機能を学ぶ」（総合情報学部　荻野正樹）
	11	AIの基礎を学ぶ「脳の学習機能を学ぶ」（システム理工学部　前田裕）
	12	AIの研究を知る「ドローンへの応用」（システム理工学部　本仲君子）
	13	AIの研究を知る「ロボットへの応用」（システム理工学部　前泰志）
	14	AIの研究を知る「ロボットから読み解くAI・データ科学の可能性と限界」（総合情報学部　瀬島吉裕）
	15	まとめ（総合情報学部　堀井康史）

実践基礎：応用基礎レベル

科目名	社会のためのデータサイエンス実践基礎
授業概要	情報通信技術の発達により、社会活動に関する多様なデータの蓄積が行われている。蓄積されたデータを社会で利活用できる人材はあらゆる分野で求められており、データサイエンス実践能力はすべての学生に求められる能力となっている。本科目では、データ分析の実践プロセスに沿って、データサイエンス、データエンジニアリング、および人工知能に関する技術について事例を挙げながら講義する。また、これらの技術が社会に受け入れられるために必要となるプライバシー保護や信頼性、倫理に関する知識に関する話題についても取り扱う。
到達目標	① 知識・技能の観点・データサイエンスを実践するプロセスを理解し、実践のためにどのような知識や技術が必要となるのかを把握する。 ②思考力・判断力・表現力等の能力の観点・データの分析結果や技術を社会で利用する上で配慮が必要となるプライバシー保護や情報セキュリティ、倫理について理解し、適切に表現できる能力を身に付ける。 ③主体的な態度の観点・学習内容を振り返り、関心のある分野におけるデータサイエンスの実践をイメージすることができる。
授業計画	1	データサイエンスと社会とのかかわり
	2	データ分析の進め方
	3	データの収集と蓄積 (1) データ収集技術や調査実験
	4	データの収集と蓄積 (2) データベースの構築と利用
	5	データの前処理・加工
	6	データの基礎分析 (1) 記述統計量やデータの分布
	7	データの基礎分析 (2) クロス集計
	8	データの基礎分析 (3) データ可視化
	9	分析 (1) データの種類に応じた分析方法の選択
	10	分析 (2) 回帰
	11	分析 (3) 分類
	12	分析 (4) クラスタリング
	13	分析結果の出力 (1) 分析結果の可視化やプレゼンテーション
	14	分析結果の出力 (2) システム・ロボット・アプリケーションの開発
	15	分析結果の出力 (3) システム・ロボット・アプリケーションの開発

科目名	AI・データエンジニアリング実践基礎
授業概要	社会のあらゆる活動がデータ化され、蓄積される昨今、AI技術を駆使してビッグデータから新たな知見を獲得し、実践的な活動に活かす技術を習得することは、関西大学のすべての学生にとって必須のテーマである。本科目では、文理、学部の枠を超えて、すべての学生を対象に、AI技術、データエンジニアリング技術を体系的かつ実践的に教育する。
到達目標	① 知識・技能の観点・AI技術、データエンジニアリング技術について、深く理解する。 ②思考力・判断力・表現力等の能力の観点・AI技術、データエンジニアリング技術をもとに、データを読み、加工し、分析するとともに、その結果を表現する能力を身につける。 ③主体的な態度の観点・自らの学習を振り返り、適切な改善点を挙げることができる。
授業計画	1	人工知能のあゆみと広がり
	2	AIと社会（倫理、説明可能なAI）
	3	ビジネスにおける機械学習の基礎と実践
	4	AI・データエンジニアリングのためのMATLAB入門
	5	データ駆動型社会とデータサイエンス
	6	データ加工と分析設計
	7	機械学習のための基礎数学
	8	現場から学ぶ　データサイエンス・AI技術による課題解決
	9	地理情報と経路探索
	10	ビッグデータとその利用
	11	特徴にあわせたデータ表現
	12	深層学習の基礎と実践
	13	AIデータと機械学習
	14	視覚情報処理とニューラルネットワーク
	15	ファジィ理論とその応用