大学

選択した講義科目の内容です

2026
印刷
講義科目名称 :
造形特別講義1(数理・データサイエンス・AI入門)
英文科目名称 :
 
授業コード :
L4395 
開講期間 配当年 単位数 科目必選区分
後期  1  2  選択 
担当教員
鍜島 康裕 
科目ナンバリング:L4411037  実務経験:なし  アクティブラーニングの導入:あり  授業時間外学習時間:180分/週 
添付ファイル
授業種類
ディプロマポリシーと当該授業科目との関連
□専門分野における発想や表現の基本的な能力の獲得
□自己の存在を認識し、創作・研究に向かうこと
■広く社会を認識し、深い創作・研究に向かうこと
□自らの創作・研究を他者に伝えるコミュニケーション能力の獲得
■分野を横断した視野を持ち、積極的に人や社会と関わる能力の獲得
授業形態【一つのみ選択】
●講義
○演習(実技科目、PJ、語学科目)
○実験・実習(教育実習、学芸員関連実習、フィールドワーク)
科目区分【一つのみ選択※教職/学芸員の科目は二つの場合あり】
□基礎科目
□基幹科目
■専門講義・実習科目
□領域別専門科目
□プロジェクト科目
□資格科目(教職課程)
□資格科目(学芸員課程)
授業のテーマ
テーマ:今後のデジタル社会において、数理・データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を主体的に身に付けることが本講義のテーマである。

到達目標:学修した数理・データサイエンス・AIに関する知識・技能をもとに、データに基づく人間中心の適切な判断ができ、不安なく自らの意志でAI等の恩恵を享受し、これらを説明し、活用できるようになる。
授業の達成目標
学習の方法:本講義では、コンピュータを用いた実習形式で授業を進める。データ・AI利活用事例のテーマに基づき、実データを用いて、実際に手を動かしてデータを可視化する等、データ利活用プロセスを実践できるようになる。
また学生がデータ・AI利活用事例を調査し発表するグループワークなども積極的に取り入れていく。授業で利用する資料やデータなどのファイルは授業中に配布する。授業では、学習内容の定着を図るために、課題を提示する。
これにより数理・データサイエンス・AIを実社会で使いこなせるようになることを目標とする。
授業科目の概要
本授業では、情報通信技術やAIなどの進化によって社会で起きている変化を捉えて、データ・AI利活用の最新動向や技術などの理解を深めていく。
またデータ・AI利活用するための技術を身に付けて、ICTを活用しデータの集計・分析を行い、可視化して説明できるようになることを目指す。
その際、企業の実データを用いて当該企業の課題解決に資するデータ集計・分析を行う。
さらに、データを守る上での留意事項などについても学習する。
自分の科目ではスライドを使うことが多かったが,教科書は薄く簡潔にまとまっているため教科書を示しながら授業する.補足についてのみスライドなどで示す.実習が入るため,授業計画が一部前後します.
授業計画
第1回 ようこそデータサイエンスへ 
1 はじめに
2 データサイエンスで学ぶこと
3 データサイエンスを学ぶ心構え 
第2回 AIにサポートされる社会 
1 AIによる共助の促進
2 AIに代替される経験知
3 AIが描く画像
4 AIと人間との共同作品 
第3回 情報をめぐる世の中の潮流 
1 情報を利活用する技術の変遷
  ~使い方はどう変わってきたのかを知る~
2 Society5.0に向けた情報利活用の課題と対策
  ~日本が目指す社会を知る~
3 情報利用による課題と変革例 
第4回 広がるデータ活用の幅 
1 身近に広がるデータサイエンス
2 販売データ
  ~コンビニのレジはデータの宝庫! ~
3 協調フィルタリング
  ~“あなたと似た誰か”が買ったもの~
4 データの活用が生み出す新しい価値 
第5回 AI 開発の歴史と今 
1 人工知能技術の成長と限界
2 生活の中のAI 
第6回 情報倫理とセキュリティ 
1 情報セキュリティの要素
2 暗号資産のセキュリティ
3 情報の流出 
第7回 データの種類とその活用 
1 データの種類
2 データの活用事例
3 データの活用方法 
第8回 データリテラシー 
1 平均とは
  ~平均点って全体の特徴を表している?~
2 偏差値とは
  ~偏差値60ってどれぐらいすごい?~
3 表計算ソフトを用いた集計方法
  ~パソコンを使って集計しよう~ 
第9回 データの収集と可視化 
1 グラフの種類
2 誤解されないグラフ
3 2つのデータの関係
4 標本の抽出方法
  ~データが偏らないためには~ 
第10回 データの解析方法 
1 2つのデータの関連性
2 平均の差の検定(t検定) 
第11回 情報の利活用と方法 
1 情報の可視化
  ~「目に見えない」ものをどう扱うかを知る~
2 AIの登場と進化
  ~AIは自分自身で成長する?~
3 データやAIを扱うときの注意点
  ~便利なものには落とし穴もある~ 
第12回 AIによる生活のアップデート 
1 スマートスピーカーやAIアシスタント
2 ロボット掃除機
3 無人決済店舗
4 チャットボット
5 自動翻訳
6 ボードゲーム 
第13回 AIによる社会のアップデート 
1 移動におけるAIの利活用
2 農業におけるAIの利活用
3 医療におけるAIの利活用
4 AIの利活用の今後 
第14回 秩序あるデータの重要性 
1 AI・データサイエンス時代のプライバシー保護
2 データと真摯に向き合う
3 信頼できる人工知能を目指して
4 AI活用における責任の所在 
第15回 これからの学びに向けて 
1 データサイエンスのこれから
2 AIと労働問題
  ~AIは人間を超えたか?~
3 デジタル・シティズンシップの重要性
4 やさしいプログラミングのはじめかた 
授業時間外の学習
毎回の授業において、次回テーマに関連する文献調査、情報の分析、資料作成などの準備が必要となる場合がある。
テキスト(教科書)
『大学基礎 データサイエンス』伊藤大河、 川村和也、内田瑛、河合麗奈 (著)、2023年発行、実教出版、ISBN:978-4-407-36122-3、1,100円(税込)
(昨年と異なります.必ず買ってください.)
参考書・参考資料等
必要があれば授業中に説明する。
履修上の注意
PCを使用するため、必要な時には持ってくる必要がある。進み方など若干の変更がある可能性がある。出席を重視する。欠席が5回を超えた場合、単位は取得できない。特別な予備知識は必要ないと思われるが、書店などで教科書の内容を確認することが望ましい.実習形式で授業を進める予定であるが,講義だけの日もある.
履修要件(必要スキル、GPA等)、人数制限等
 
授業で使用するソフト等
統計ソフトを利用する可能性があるが、その場合でも無料のものを使います.
成績評価の方法と基準および、それらの配分割合【%】
提出物 40%、学期末試験 60%
(この予定であるが、若干の変更がある場合もある.昨年度は30%, 70%でした.)
課題に対するフィードバックの方法
フィードバック:課題に対するフィードバックは、授業中の解説を通して行う。
試験の実施方法(課題や作品提出/最終回に授業内テスト/15週の授業終了後の試験期間に筆記試験を実施 など)
学期末試験を15週の授業終了後の試験期間に実施する。
アクティブラーニングの内容(グループディスカッション,グループワーク/グループ制作,課題解決/調査/発見学習,講評時のグループディスカッション等)
学生がデータ・AI利活用事例を調査し発表するグループワークなどを積極的に取り入れていく。調査結果に対して学生同士のグループディスカッションを行う.