データ・AIの基礎

科目基礎情報

学校	仙台高等専門学校	開講年度	令和06年度 (2024年度)
授業科目	データ・AIの基礎
科目番号	0070	科目区分	専門 / 必修
授業形態	授業	単位の種別と単位数	履修単位: 1
開設学科	総合工学科Ⅰ類	対象学年	3
開設期	前期	週時間数	2
教科書/教材	応用基礎としてのデータサイエンス，北川源四郎／竹村彰通・編　　赤穂昭太郎／今泉允聡／内田誠一／清智也／ 高野渉／辻真吾／原尚幸／久野遼平／ 松原仁／宮地充子／森畑明昌／宿久洋・著，講談社
担当教員	髙橋 晶子,張 暁勇

到達目標

数理データサイエンスおよびAIの応用基礎までの内容を理解し，説明できる．また，理論的な知識にくわえて，実践的なスキルを身につけ，使うことができる．

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
数理データサイエンス・AIの基礎について理解する．	数理データサイエンス・AIの基礎を説明し，考察できる．	数理データサイエンス・AIの基礎を説明できる．	数理データサイエンス・AIの基礎を説明できない．
データ処理やAI手法を実際に使うことができる．	データ処理やAI手法を実際に使い，様々な課題に適用できる．	データ処理やAI手法を実際に使うことができる．	データ処理やAI手法を実際に使うことができない．

教育方法等

概要:

数理データサイエンス・AIに関する基礎的な知識について学習し，実際にデータやAIを使うスキルを演習をとおして身につける．

授業の進め方・方法:

本科目は，オンデマンドによる講義と学生自身による演習，更に実習の発表によって実施する．
事前学習：授業前には関連する内容を調査し，自学する．
事後学習：授業後には自分自身での調査や実習を行う．

注意点:

単なる講義ではなく，学生自身が自主的に考え，行動することに重点を置いた授業となるため，積極的に授業に参加すること．

授業の属性・履修上の区分

アクティブラーニング

ICT 利用

遠隔授業対応

授業計画

		週	授業内容	週ごとの到達目標
前期
	1stQ
		1週	データとAIの基礎	現代社会でのテクノロジーの進化とその社会的影響について説明できる．
		2週	データとAIのビジネスへの応用	データとAIが多様な産業でどのように活用され，社会にどのような影響を与えるのかを説明できる．
		3週	データの倫理と法的な側面	データ関連の倫理と法律，特にGDPRや個人情報保護について説明できる．
		4週	データ分析のためのPython基礎	Pythonの基本構文について説明できる．また、エラーハンドリングとデバッグの基礎について説明できる．
		5週	データの前処理と操作	データの前処理の基本手法を学び，データの集計とフィルタリングができる．データ操作の倫理的側面も考慮できる．
		6週	データセキュリティ	データセキュリティの基本概念と実践について説明出来る．暗号化，匿名加工，セキュリティ診断の基本について説明できる．
		7週	確率・統計解析①	データの探索的分析を行う方法やデータの可視化の基礎について説明できる．可視化でのデータ解釈とその注意点についても理解する．
		8週	確率・統計解析②	データ分析のプロセスと基本的な統計量の計算方法について説明できる．numpyを用いた数値計算の基礎も習得する．
	2ndQ
		9週	マシンラーニングの基礎	マシンラーニングの基本概念と生成AIについて説明できる．さらに，時系列データの基本的な分析方法も習得する．
		10週	マシンラーニングの実践①	さまざまなマシンラーニングの手法を説明できる．
		11週	マシンラーニングの実践②	さまざまなマシンラーニングの手法を説明できる．
		12週	解析技術の基礎①（テキスト・音声）	テキストや音声認識・分析の基本から応用までを包括的に説明できる．
		13週	解析技術の基礎②（画像）	画像認識・分析の基本から応用技術までを説明できる．
		14週	プロジェクト演習①	実際のデータプロジェクトを通じて，学んだ知識とスキルを応用できる．プロジェクトの計画からデータの前処理，初期分析までを行う．
		15週	プロジェクト演習②	プロジェクトの中間段階で，データ分析から結果の解釈までを行う．
		16週	プロジェクト発表会	プロジェクトの最終段階で，データ分析から結果の解釈，プレゼンテーションまでを行うことができる．

評価割合

	課題	発表	合計
総合評価割合	60	40	100
基礎的能力	20	10	30
専門的能力	30	20	50
分野横断的能力	10	10	20