到達目標
Society 5.0社会に対応したエンジニアにとって必須となる，リテラシーレベルの数理・データサイエンス・ＡＩについて，社会におけるデータ・AI利活用，データリテラシー，データ・AI利活用における留意事項に関して，その必要性と知識・基礎技術を学び，理解して活用・説明できること。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 社会におけるデータ・AI利活用 | 社会におけるデータ・AI利活用について，理解し説明できる。 | 社会におけるデータ・AI利活用について，理解できる。 | 社会におけるデータ・AI利活用について，理解できず説明できない。 |
| データリテラシー | データリテラシーについて，理解し説明できる。 | データリテラシーについて，理解できる。 | データリテラシーについて，理解できず説明できない。 |
| データ・AI利活用における留意事項 | データ・AI利活用における留意事項について，理解し説明できる。 | データ・AI利活用における留意事項について，理解できる。 | データ・AI利活用における留意事項について，理解きず説明できない。 |
学科の到達目標項目との関係
教育方法等
概要:
デジタル社会の「読み・書き・そろばん」である，数理・データサイエンス・AIの基礎的素養と，データを分析する基本的能力を身に着ける。
社会情勢や社会での実例を学び、人間中心の適切な判断ができ，変化する社会で活躍しようとする向上心を養う。
授業の一部は、集中講義形式やオンライン形式で実施するため、臨時の授業時間割変更する場合がある。
授業の進め方・方法:
【開講学期】秋学期・週2時間 学修単位
授業は1年次から4年次の復習を含めて座学を中心に行う。ここでは，実際の企業データを用いたデータの利活用演習を行う。積極的にコンピュータを利活用すること。
到達度試験80%、レポート・課題などを20％として評価を行い、総合評価は100点満点として60点以上を合格とする。答案は採点後返却し達成度を伝達する。本授業は補充試験は行わない。
注意点:
座学だけでなく，演習も行うので，数学の確率・統計，コンピュータの取り扱いやプログラミングに関して理解していることが必要である。
本科目は学修単位Aであり30時間以上の自学自習が必須である。自学自習の成果はレポート課題と到達度試験によって評価します。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 前期 |
| 1stQ |
| 1週 |
オリエンテーション
データ・AIによる社会および日常生活の変化 |
①AIリテラシーとはを理解する。
②社会でどのような変化が起きているかを理解する。
|
| 2週 |
データ・AIの活用領域の広がりの理解 |
③社会でどのようなデータが活用されているかを理解する。
➃データ・AIを何に使えるか理解する。
|
| 3週 |
データ・AI利活用における具体的な事例 |
⑤データ・AIの技術を理解する。
⑥データを読み，説明し，扱うことができる。
|
| 4週 |
データ・AIを利活用する際に求められるモラルや倫理 |
⑦データ・AIを扱うときに注意することを理解できる。
⑧データ・AIにまつわるセキュリティを理解できる。
|
| 5週 |
データ・AIの活用に必要な基本的なスキル |
⑨統計と数学の基本を理解できる。
⑩アルゴリズムとは何か理解できる。
|
| 6週 |
データ・AIの利活用技術と基礎的な手法や特徴（1） |
⑬時系列データと文章データの分析等を理解し演習できる。
|
| 7週 |
データ・AIの利活用技術と基礎的な手法や特徴（2）とまとめ |
⑭データ活用実践（教師あり学習と教師なし学習）ができる。
|
| 8週 |
試験 |
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
| 基礎的能力 | 工学基礎 | 情報リテラシー | 情報リテラシー | 情報を適切に収集・処理・発信するための基礎的な知識を活用できる。 | 3 | |
| 個人情報とプライバシー保護の考え方についての基本的な配慮ができる。 | 3 | |
評価割合
| 試験 | レポート・課題 | 合計 |
| 総合評価割合 | 80 | 20 | 100 |
| 基礎的能力 | 80 | 20 | 100 |