履修条件・関連科目等

AI・データサイエンスと現代社会、AI・データサイエンスツールIIIおよびIVを学修していること、あるいは並行履修することが望ましい。数学、統計学、プログラミングに関する基礎知識は上記科目を含む他科目である程度学んでいることを想定するが、必要に応じて授業内で説明する。

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

【テーマ】AIやデータサイエンスを用いた問題発見・解決の実践・実装

本演習ではいずれかのプロジェクトに参加して、グループでデータサイエンスとAIを活用した問題の発見・解決を目指す。適切な手法でデータを取得、分析し、結果からの意義ある考察を行うためには、データサイエンスやAIの考えかたや手法の理解、それを実行するためのツールを使いこなす技術、そしてデータに関する背景知識が不可欠である。演習では、座学や実習、知識の共有などを通してこれら3つの知識・技術を深めるとともに、プロジェクトのメンバーとして活動していく。1年目の演習Aはその礎を築く。

科目目的

スポーツをはじめとする様々な実社会の問題に対し、データサイエンスやAIを活用して課題発見・解決をおこなうための技術と方法への理解を深め、その実行と結果の解釈・フィードバックを行なうことができる力を身につけることが目的である。

到達目標

・データの基本的な処理・加工法、可視化や簡単な分析法を理解し、目的に応じた適切な処理・分析を選択し実行できる。
・データ分析や可視化を通して、課題を発見したり、その課題を解決する糸口を掴むことができる。

授業計画と内容

授業は全体へのレクチャー・情報共有とプロジェクトごとの活動からなる。

第1回　プロジェクトの目標設定、プロジェクト活動
第2回　Linuxサーバ入門、プロジェクト活動
第3回　スポーツにおけるデータサイエンスの実践例、プロジェクト活動
第4回　eスポーツにおけるデータサイエンスの実践例、プロジェクト活動
第5回　予測と回帰分析、プロジェクト活動
第6回　分類とロジスティック回帰分析、プロジェクト活動
第7回　プロジェクト活動
第8回　プロジェクト活動中間報告
第9回　機械学習の基礎、プロジェクト活動
第10回　教師あり学習、プロジェクト活動
第11回　教師なし学習、プロジェクト活動
第12回　深層学習入門、プロジェクト活動
第13回　プロジェクト活動（まとめ）
第14回　後期の総括

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／その他

授業時間外の学修の内容（その他の内容等）

プロジェクトごとの作業やプレゼン準備を行ない、授業に臨む。また、プログラミング、数学、統計学等に関する自習用教材を提供するので、必要に応じて学んで知識を深めておく。

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。
・毎週２回の授業が半期（前期または後期）で完結するもの。１週間あたり８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

授業時間内で講評・解説の時間を設ける／授業時間に限らず、manabaでフィードバックを行う／その他

課題や試験のフィードバック方法（その他の内容等）

mattermost を通じて行なう。

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／反転授業（教室の中で行う授業学習と課題などの授業外学習を入れ替えた学習形式）／ディスカッション、ディベート／グループワーク／プレゼンテーション／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）

BYODにより各自の端末でデータ分析等を行なう。

実務経験のある教員による授業

いいえ

【実務経験有の場合】実務経験の内容

【実務経験有の場合】実務経験に関連する授業内容

テキスト・参考文献等

基本的にはレジュメ等の配布資料を用いる。学修状況に応じてテキストや参考文献を指示する場合がある。

その他特記事項

参考URL