科目ナンバー

EC-OM3-42XS

履修条件・関連科目等

入門ICT演習を履修していることが望ましい。

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

＜学位授与方針と当該授業科目の関連＞
この科目は、協調性及び自己管理力（専門知識を活かせるだけでなく、チームワークの経験から学んで、他人と協調し、自己を管理することができる）の修得に関わる科目です。また、創造的思考力（総合的な学習体験に基づいて、ものごとを創造的に思考することができる）の修得に関わる科目です。
＜概要＞
経済社会における本格的な応用が始まった人工知能の背景や特徴を理解し、具体的な理解への足掛かりとして、Excelを用いた人工知能構築の演習を行う。特に「ディープラーニング」と呼ばれる「人工知能が行う学習方法」について、手書き文字認識などの事例を用いて理解を深める。

科目目的

人工知能の仕組みを把握する。

到達目標

人工知能の仕組みを把握し、経済社会への適用や新たな応用を提案できる力を養う。

授業計画と内容

第１回 人工知能ブームと冬の時代
第２回 人工知能が経済社会にもたらす可能性について
第３回 ニューロンと神経回路網
第４回 ニューラルネットワークの仕組み
第５回 機械学習とディープラーニング
第６回 Excelを用いた回帰分析と最適化問題
第７回 目的関数と最適化について
第８回 畳み込みニューラルネットワーク：入力層
第９回 畳み込みニューラルネットワーク：畳み込み層
第１０回 畳み込みニューラルネットワーク：プーリング層
第１１回 畳み込みニューラルネットワーク：目的関数
第１２回 リカレントニューラルネットワークの考え方
第１３回 リカレントニューラルネットワークの学習方式
第１４回 バックプロパゲーション

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）

授業前にmanabaに掲載する資料を参照しておくこと。

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）

知識の積み上げが大切なので、授業時の理解度を重視する。

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

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）／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）

manaba等を利用した課題内容の提出や授業時における多方向性議論による対象課題の深い理解を行います。

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）

manabaはじめ各種サーバーを用いた授業を実施します。

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

ICTにおける研究開発および利活用における複数年の経験（1982年～1985年：日本情報処理開発協会・開発部職員、1985年～1992年システム開発業）。

【実務経験有の場合】実務経験に関連する授業内容

各種業務の分析や要求定義に基づくシステム化の経験を踏まえた実務的なアプロローチとして、統計データの分析処理業務の経験を活かして、より有効な情報処理技術の適用や進化の理解に役立てる。事務処理システムの設計・開発経験が、社会科学系の学問が経済社会の基盤である情報システムの構築にとっていかに重要であるか、具体例を示す。システムの目的、業務の分析や要求仕様、データの活用、という視点から、授業内容の学修が実社会で有用な根拠を説明する。

テキスト・参考文献等

「テキスト」涌井貞美，『高校数学でわかるディープラーニングのしくみ』，ベレ出版，2020年，ISBN978-4-86064-602-8.

その他特記事項

全学Gmailおよびmanabaを使用します。

参考URL