履修条件・関連科目等

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】人間の行動や社会の動向に関するデータ分析


本演習では、人間の個人の行動や、その集合体である社会の動向に関するデータを対象として、統計学や機械学習によるデータ分析を行い、何らかの新たな知見を得る演習を行う。受講者がどのようなことに興味を持つかでグループを作り、グループ単位でデータサイエンスとAIを活用した問題解決にあたる。なお、本演習で分析の対象とする社会は、リアル社会でもサイバー社会でもどちらでも構わない。それぞれのグループが取り組むべきプロジェクトとして、いくつかの課題を用意しているが、それらに限るものではなく自由な発想での課題解決を期待する。

科目目的

AI・データサイエンス演習AおよびAI・データサイエンス演習B(1)で学んだことを踏まえ、データサイエンスやAIを実装するための基礎、および、実践的なコンピュータ操作のスキルを身に着ける。

到達目標

AI・データサイエンス演習C以降の演習実施に必要な基礎スキルの習得を目指す。

授業計画と内容

第1回　オリエンテーション
第2回　収集したデータの検討（プロジェクト1）
第3回　収集したデータの検討（プロジェクト2）
第4回　収集したデータの検討（プロジェクト3）
第5回　分析方法の検討（プロジェクト1）
第6回　分析方法の検討（プロジェクト2）
第7回　分析方法の検討（プロジェクト3）
第8回　分析結果に関する議論（プロジェクト1）
第9回　分析結果に関する議論（プロジェクト2）
第10回　分析結果に関する議論（プロジェクト3）
第11回　結果の可視化手法（プロジェクト1）
第12回　結果の可視化手法（プロジェクト2）
第13回　結果の可視化手法（プロジェクト3）
第14回　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）

毎回，資料の下調べを行うこと

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）

メール・manabaなどによる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

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）

研究室での補講や学生による自主ゼミなども支援する．オフィスアワーに研究室を訪問することは歓迎する．それ以外の時間は，事前に連絡してからスケジュールを調整すること．

アクティブ・ラーニングの実施内容

PBL（課題解決型学習）／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機器を活用したプログラミング演習や，クラウドコンピューティングとして用意される演習環境の活用など

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

1994年4月～2013年3月に株式会社三菱総合研究所において数理情報技術を応用した調査研究業務に従事。

【実務経験有の場合】実務経験に関連する授業内容

業務で使用したプログラミング経験に基づき指導する。

テキスト・参考文献等

基本的にはレジュメ等の配布資料で代替するが、履修者の学修状況に応じて適宜指示する場合がある。

その他特記事項

参考URL