シラバス参照
|
シラバス参照
|
| 科目一覧へ戻る | 2024/04/11 現在 |
|
開講科目名 ／Course |
数理・データサイエンス・AI活用PBL／PBL for Mathematical, Data Science and AI Application | ||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
時間割コード ／Course Code |
R1001062_G1 | ||||||||||||||||||
|
開講所属 ／Course Offered by |
共通／ | ||||||||||||||||||
|
ターム・学期 ／Term・Semester |
2024年度／Academic Year 第1クォーター／1Q | ||||||||||||||||||
|
曜限 ／Day, Period |
他／Otr | ||||||||||||||||||
|
開講区分 ／Semester offered |
通年／a normal year | ||||||||||||||||||
|
単位数 ／Credits |
2.0 | ||||||||||||||||||
|
学年 ／Year |
2,3,4 | ||||||||||||||||||
|
主担当教員 ／Main Instructor |
吉野 孝 | ||||||||||||||||||
|
授業形態 ／Lecture Form |
講義・演習 | ||||||||||||||||||
|
教室 ／Classroom |
学術情報センター第２演習室（西５号館）／学術情報センター第２演習室（西５号館） | ||||||||||||||||||
|
開講形態 ／Course Format |
|||||||||||||||||||
|
ディプロマポリシー情報 ／Diploma Policy |
|
|
教員名 ／Instructor |
教員所属名 ／Affiliation |
|---|---|
| 西村 竜一 | システム工学部（教員） |
| 三浦 浩一 | システム工学部（教員） |
| 吉野 孝 | システム工学部（教員） |
|
授業の概要・ねらい ／Course Aims |
この講義では，実際のデータを用いて視聴率の予測を行うPBLを通じて，データサイエンスの基本的な技術や手法を学びます．視聴率予測に必要な実際のデータは，大学で準備します．具体的には，データ収集以降の，データ処理，データ分析，そしてモデリングまでの一連のプロセスを実践的に経験します．この授業の目的は，参加者が以下の能力を習得することです．様々なソースからデータを収集し，分析に適した形に整形する技術を学びます．また，探索的に収集したデータを視覚的，統計的に分析し，重要な洞察を得る方法を習得します．さらに，統計的手法や機械学習アルゴリズムを用いて視聴率を予測するモデルを構築し，評価する能力を養います．また，チームで協力し，プロジェクトを遂行する中で，効果的なコミュニケーションと協働の技術を身に付けます．本講義では，理論だけでなく，実際に手を動かして経験することを重視します．そのため，学生はグループに分かれてプロジェクトを進め，その成果を発表します．この過程で，実世界の問題解決に直接応用可能なデータサイエンスのスキルを習得することができます． |
|---|---|
|
到達目標 ／Course Objectives |
・データ・AIを活⽤した⼀連のプロセスを体験し，数理・データサイエンス・AIを活⽤することの意義を理解する ・仮説や既知の問題が与えられた中で，必要なデータにあたりをつけ、データを収集・分析できる ・分析結果を元に，起きている事象の背景や意味合いを理解できる ・AI技術を活⽤し，課題解決につなげることができる |
|
成績評価の方法・基準 ／Grading Policies/Criteria |
毎回の授業中の個人の活動状況（30％），グループ内での活動状況（30％），プレゼンテーション（40％）で評価を行う． |
|
教科書 ／Textbook |
教科書は使用しません． |
|
参考書・参考文献 ／Reference Book |
下記は講義で使用しませんが，より深い学修を進めたい場合には参考にして下さい． ニューラルネットワーク自作入門，Tariq Rashid著，マイナビ出版，ISBN-10 : 4839962251，2,959円 Pythonではじめる機械学習，Andreas C. Mullerら著, O’Reilly，ISBN-10 : 4873117984，3,740円 Python機械学習クックブック，Chris Albon 著，O’Reilly，ISBN-10 : 4873118670，3,740円 Python 実践データ分析 100本ノック 第2版，下山輝昌ら著，秀和システム，ISBN-10 : 479806727X，2,640円 |
|
履修上の注意 ・メッセージ ／Notice for Students |
この授業は，複数の日数にまたがる集中講義で構成されており，グループでPBLを実施します．休まないように注意してください． |
|
履修する上で必要な事項 ／Prerequisite |
授業内ではPCを使用します．各自PCを持参してください．PCの基本的な操作については，各自が事前に習得していることを前提としています． Pythonについては最低限のコードを配布しますが，より詳細なコーディングについては各グループで調査・実装して下さい． レポートの提出やプレゼン作成があります．講義終了後，一週間程度のあとにレポートの締切が設定される予定です．レポートの提出は，Moodleを利用します． |
|
履修を推奨する関連科目 ／Related Courses |
データサイエンスへの誘いA/B データサイエンス入門A/B データサイエンス基礎 データサイエンス応用 データサイエンス実践 |
|
授業時間外学修についての指示 ／Instructions for studying outside class hours |
本授業の授業計画に従って，準備を進めてください．授業内容に関連する課題の調査・考察を含めて，毎回の授業ごとに自主的学習を求めます． |
|
その他連絡事項 ／Other messages |
この授業は，複数の日数にまたがるグループで実施するPBLで構成されています．休まないように注意してください． 2024年度の集中講義の実施日は，下記の5日間（2時限〜4時限）を予定しています． 9月12日（木） 2限，3限，4限 9月13日（金） 2限，3限，4限 9月17日（火） 2限，3限，4限 9月18日（水） 2限，3限，4限（基調講演，オフィスアワー） 9月20日（金） 2限，3限，4限（最終発表会） |
|
授業理解を深める方法 ／How to deepen your understanding of classes |
授業中に示すテーマについて，グループワークで議論し，結果を発表する。 【「アクティブ・ラーニング」実施要項 ②, ③, ④, ⑧, ⑩】 |
|
オフィスアワー ／Office Hours |
集中講義で実施するPBLのため，質問等は，基本的には授業中に対応します． メールでの問い合わせ先：ds-class@ml.wakayama-u.ac.jp |
|
科目ナンバリング ／Course Numbering |
C60033J1111132i5 |
| No. | 回（日時） ／Time (date and time) |
主題と位置付け（担当） ／Subjects and instructor's position |
学習方法と内容 ／Methods and contents |
備考 ／Notes |
|---|---|---|---|---|
| 1 | （1） | ガイダンス | 社会における数理・データ・AI事例調査/発表 | PC 使用 |
| 2 | （2） | 数理・データ・AI速習 | 教師なし学習（回帰分析，主成分分析），教師あり学習（MLP, SVM, ランダムフォレスト）の数理的背景について速習する． | PC 使用 |
| 3 | （3） | Pythonプログラミング速習 | 教師なし学習（回帰分析，主成分分析），教師あり学習（MLP, SVM, ランダムフォレスト）のPythonプログラミングについて速習する． | PC 使用 |
| 4 | （4） | データ・AI活用企画（1） | 数理・データサイエンス教育強化拠点コンソーシアム/データベース分科会が構築しているポータルサイト（https://data.mdsc.hokudai.ac.jp/）から，適切な実データを収集する． | PC 使用 |
| 5 | （5） | データ・AI活用企画（2） | 収集したデータの社会的背景について考察する． | PC 使用 |
| 6 | （6） | データ・AI活用企画（3） | 収集データから一体どのような情報を抽出するかを各グループで確定し，それに応じたモデルを選択する．その際，各モデルの数理・統計的な背景を踏まえること． | PC 使用 |
| 7 | （7） | データ・AI活用実施（1） | 利用するモデルを実行するために，収集データを加工（クレンジング）し，適切なデータ（行列）構造を構成する． | PC 使用 |
| 8 | （8） | データ・AI活用実施（2） | 実際に数値計算を行い，グループ内で分析結果（統計量や正解率等）を共有する | PC 使用 |
| 9 | （9） | データ・AI活用評価（1） | グループ内で分析結果について評価・再計算を行う． | PC 使用 |
| 10 | （10） | データ・AI活用評価（2） | 得られた情報と実データを比較し，データの背景にある本質的な現象を抽出する． | PC 使用 |
| 11 | （11） | データ・AI活用評価（3） | 最先端の研究者による基調講演を聴講することで，データ分析の重要性や実データの社会的背景を踏まえる意味について理解する． | PC 使用 |
| 12 | （12） | 発表準備（1） | 発表の構成を考え，プレゼンテーションを作成する． | PC 使用 |
| 13 | （13） | 発表準備（2） | 発表の構成を考え，プレゼンテーションを作成する． | PC 使用 |
| 14 | （14） | 発表会 | 各グループでプレセンを行う． | PC 使用 |
| 15 | （15） | 講評 | 各グループのプレゼンに対して講評をうける． | PC 使用 |