科目ナンバー

GI-AI3-IT28

履修条件・関連科目等

特になし

授業で使用する言語

日本語

授業で使用する言語（その他の言語）

授業の概要

　膨大な非構造化データ、いわゆるビッグデータから、何らかの知見を導き出すデータマイニングについて学修する。連関規則、決定木、クラスタ分析、回帰分析、自己組織化マップ、ニューラルネットなどについて学び、ツールを用いることによっていわゆるAI（弱いAI）を活用することができる水準の技術を獲得する。機械学習についても、教師あり学習、教師なし学習、強化学習の特徴を把握し、自らが行う問題解決に際して、適切な方法を選択できる力量を養う。本講義では、プログラミング言語『Python』を用いたデータマイニングを行う。演習を中心とした授業内容により、データマイニングとAIの基礎技術を学習する。

科目目的

　情報社会が抱える諸問題を多角的に分析・解明した上で、その問題の解決策を論理的に構築するために有用なデータマイニングの基礎技術の習得を目指す。実社会のビッグデータを対象に、データクレンジングの方法やAIの適用方法を学習し、データマイニングによって得られる結果を正しく理解するための論理的思考力を身に着ける。例として、身近な医療や保健のデータ、電子メールのデータ、スーパーマーケットの商品販売履歴などのデータを学習に利用する。日ごろ直感的に感じていることと、データマイニングでわかることを比較し、データマイニングに関するより深い理解を得る。Pythonを使って、実際にデータマイニングを行うための具体的な方法論を習得する。

到達目標

　Pythonを使って実際のビッグデータに対して基礎的な分析ができるようになる。データ分析結果の正しさを判断し、データサイエンスで論理的な主張を行えるようになる。

授業計画と内容

第1回　 イントロダクション
第2回　（基礎）Pythonプログラミング
第3回　（基礎）データ収集
第4回　（基礎）データ前処理
第5回　（基礎）確率統計
第6回　（基礎）統計的検定
第7回　（基礎）A/Bテスト
第8回　（基礎）アルゴリズム
第9回　（基礎）回帰
第10回　（基礎）分類
第11回　（基礎）クラスタリング
第12回　（基礎）レコメンド
第13回　（基礎）時系列分析、自然言語処理
第14回　（基礎）画像分析

授業時間外の学修の内容

指定したテキストやレジュメを事前に読み込むこと／授業終了後の課題提出

授業時間外の学修の内容（その他の内容等）

授業時間外の学修に必要な時間数／週

毎週１回の授業が半期（前期または後期）または通年で完結するもの。１週間あたり４時間の学修を基本とします。

成績評価の方法・基準

成績評価の方法・基準（備考）

課題や試験のフィードバック方法

授業時間に限らず、manabaでフィードバックを行う

課題や試験のフィードバック方法（その他の内容等）

アクティブ・ラーニングの実施内容

実習、フィールドワーク

アクティブ・ラーニングの実施内容（その他の内容等）

授業におけるICTの活用方法

その他

授業におけるICTの活用方法（その他の内容等）

学生のノートパソコンを利用してAIの作成などの演習をおこなう。

実務経験のある教員による授業

はい

【実務経験有の場合】実務経験の内容

関係する具体的な職歴：2013年4月～2019年3月
日本電信電話株式会社にてネットワーク仮想化と自動運転車に関する研究開発を実施。

【実務経験有の場合】実務経験に関連する授業内容

実務経験から得られた知見は、データマイニングを用いたデータ分析に関する内容に深く関係する。

テキスト・参考文献等

テキスト：吉田雅裕，『Pythonで学ぶはじめてのデータサイエンス』，技術評論社，2023．

参考文献：『はじめてのAIリテラシー』，岡嶋 裕史，吉田 雅裕，技術評論社，2021．

その他特記事項

講義中に演習を行うため、WEBに接続可能な端末を用意すること。

参考URL