履修条件・関連科目等

AI・データサイエンス演習A(1)(2)B(1)(2)を学修済みであること。

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】高度なAI・データサイエンスの知識と技術を用いた課題発見・課題解決の実践と改善

本演習ではいずれかのプロジェクトを主導して、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。演習A、演習Bなどこれまでに学んだAI・データサイエンスに関する高度な知識を駆使し、プロジェクトにおける重要な課題発見やその解決を行なうための合理的な道筋・方法を見出し、実践していく。そして、データサイエンスを活用した分析に基づいた行動や、構築した高度なAIシステムの運用により、問題のさらなる改善点を発見し、さらに精密かつ適切な結果が得られるように分析やシステムを修正、改善していく。また必要に応じて、プロジェクト活動実行のために不足しているデータサイエンスに関する知識を座学により学んでいく。

科目目的

これまでに修得したAI・データサイエンスの知識と技術を活用して、スポーツをはじめとする様々な実社会の問題における課題発見、課題解決、結果のフィードバックを踏まえた改善というサイクルを自主的に回していくことを目的とする。

到達目標

・高度なAI・データサイエンスの知識と技術を駆使して、プロジェクトにおける重要な課題発見やその解決を行なうための合理的な道筋・方法を見出し、実践することができる。
・データサイエンスを活用した分析に基づいた行動や、構築した高度なAIシステムの運用により、さらなる改善点を発見し、さらに精密かつ適切な結果が得られるように分析やシステムを修正することができる。
・プロジェクトリーダーとして、適切なタスク管理とコミュニケーション、効率的な戦略策定を通じて、チームの結束を強化し、各メンバーの能力を活用してプロジェクト目標達成に向かって努力することができる。

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　オリエンテーション、プロジェクトの目標の再設定
第2回　プロジェクトのリスケジューリング、プロジェクト活動
第3回　必要なデータサイエンス知識に関するレクチャー（強化学習等）、プロジェクト活動
第4回　必要なデータサイエンス知識に関するレクチャー（逆強化学習等）、プロジェクト活動
第5回　プロジェクトの進行管理、プロジェクト活動
第6回　プロジェクト1による情報共有、プロジェクト活動
第7回　プロジェクト2による情報共有、プロジェクト活動
第8回　プロジェクト3による情報共有、プロジェクト活動
第9回　プロジェクト4による情報共有、プロジェクト活動
第10回　プロジェクト5による情報共有、プロジェクト活動
第11回　プロジェクトの進行管理、プロジェクト活動
第12回　プロジェクト活動
第13回　プロジェクトのまとめ
第14回　プロジェクト成果発表と振り返り

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。
・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／その他

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