科目ナンバー

IG-AI5-AI02

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

本講義では、統計や人工知能を用いたビッグデータの分析手法について学ぶとともに、プログラミング演習を通して実際にビッグデータを分析する方法について学修する。データ事前処理、記述統計、推測統計などの手法を学ぶことで、ビッグデータに含まれる有用な情報を理論的に分析する力量を養う。人工知能についても、教師あり学習、教師なし学習、強化学習の代表的手法を理解し、実際のビッグデータに対して、プログラミングによるデータ分析を行うことができる水準の技術を獲得する。確率統計、線形代数、微分積分、最適化などの必要な数学的知識については、具体的な分析手法と織り交ぜながら解説を行う。ビッグデータに対するデータサイエンス、音声認識、画像認識、自然言語処理などを行うための知識を習得することを目標とする。

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。情報基盤を含む情報学と情報法の専門分野に関する社会課題に対し、具体的な解決策を提示するための方法論を十全に使いこなし、かつ実際に問題を解決することを目的とする。

到達目標

Pythonを使って実際のビッグデータを分析できるようになる。テーブルデータ、音声認識、画像認識、自然言語処理など、データの内容に応じてどのような人工知能を作成すればよいかを考えられるようになる。

授業計画と内容

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

授業時間外の学修の内容（その他の内容等）

授業後の演習課題に取り組んだうえで講義内容を復習する。

授業時間外の学修に必要な時間数／週

成績評価の方法・基準

成績評価の方法・基準（備考）

原則、10回以上授業に出席しないと成績評価の対象となりません。

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

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）

ノートパソコン

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

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に接続可能なノートパソコンを用意すること。

参考URL