授業概要
|
|
武蔵野大学では情報技術(IT)の学修を通じて、変化し続ける社会の中で、様々な困難な課題を解決し、より良い未来を作り出すことのできる人材の育成を目指している。本科目では、本学を修了し、人工知能を始めとする高度な情報技術の活用に必要な様々な手法を学ぶ。
本授業では、データドリブンの意思決定をするための基礎的な知識とスキルを実践的に学ぶ。すなわち、勘、経験、そして度胸だけに頼るのではなく、過去や現在のデータを可視化したり分析したりすることを通して、未来を予測することが求められる。そのために、データサイエンスのクラウドサービス(DataRobot)を利用する。具体的には、データの収集、データクレンジング、予測モデルの生成、生成したモデルの解釈と評価について学び、データサイエンスを活用できる能力を身に付ける。
※本科目は、武蔵野大学の副専攻「AI活用エキスパートコース」を構成する科目群の一つで、専修科目に位置づけられる。上記副専攻コース認定には専修科目の所定の単位数取得が必要になる。なお、本科目の履修は副専攻コースに参画していることが前提となる。詳しくは以下のコース説明を参照すること。 https://risyuyouran.musashino-u.ac.jp/faculty/curriculum-faculty/ai/
|
|
|
知識・専門性の到達目標
|
|
データサイエンスに関する知識を習得し、データサイエンスのツールを活用して自ら問題を解決できるようになる。【専門能力】
|
|
関心・態度・人格の到達目標
|
|
データサイエンスが社会でどのように利用されているかを理解し、新たな課題をデータサイエンスの手法を用いて発見することができる。【課題発見力】
|
|
思考・判断の到達目標
|
|
社会の中でデータサイエンスが注目されている理由を理解し、課題をデータサイエンスの手法を用いて解決する方法を導き出すことができる。【課題解決力】
|
|
実践的スキル・表現の到達目標
|
|
扱っている問題の特性とデータサイエンスの手法の関係を理解し、適切な手法を用いていることを他者に説明できるようになる。【表現力】
|
|
「響学スパイラル」取り組み方法
|
|
物事を多面的・多角的な観点から考え、他者とともに主体的に世界の幸せをカタチにできる資質・能力の育成に取り組む。そのため、「問う」ことからはじめ、「考え・行動する」ことで実践のための道筋を探り、具体的に「カタチにする」取り組みを経て、問題の本質を「見つめ直し」、さらに再び「問う」という、武蔵野大学における学び(響学スパイラル)の基本的態度を身につける。
|
|
|
授業における「アクティブな知」の要素
|
|
| |
授業形態
|
対象
|
|
A:課題解決型学習(PBL)企業、自治体等との連携あり
|
-
|
|
|
|
B:課題解決型学習(PBL)連携なし
|
‐
|
|
|
|
C:反転授業(知識習得を授業外で行い、知識確認等の要素を教室で行う授業形態)
|
-
|
|
|
|
D:討議(ディスカッション、ディベート等)
|
○
|
|
|
|
E:グループワーク
|
○
|
|
|
|
F:発表(プレゼンテーション)
|
○
|
|
|
|
G:実習、フィールドワーク
|
‐
|
|
|
|
H:双方向授業(ICT活用なし:対話型、リアクションペーパー等)
|
‐
|
|
|
|
I:双方向授業(ICT活用あり:クリッカー、タブレット、スマートフォン等)
|
○
|
|
|
|
J:講義のみ
|
‐
|
|
|
|
|
‐
|
|
|
|
授業における「ICTの活用」について
|
|
| |
授業形態
|
対象
|
|
A:ノートPC必携
|
○
|
|
|
|
B:講義資料や授業教材のオンライン配信
|
○
|
|
|
|
C:レポート課題等のオンライン提出
|
○
|
|
|
|
D:質問やレポート課題等へのフィードバックにおける学修管理システムの活用 (学修支援システム(Course Power)、Google Classroom、Teams等)
|
○
|
|
|
|
E:オンラインメディアの活用 (e-Learning、edX、Coursera、JMOOC等のOpen Educational Resources)
|
○
|
|
|
|
F:Zoom、Google Meet等のミーティングツールの活用
|
○
|
|
|
|
|
-
|
|
|
|
予習 (事前学修)
|
|
| |
各授業
|
データサイエンスに関するオンデマンド教材を利用して学ぶ。 ※オンデマンド型のオンライン授業の100分の時間と合わせて実施することを想定している。〆切の直前に片手間に実施するのではなく、しっかりと時間を確保して実施すること。
|
|
|
[
平均65
]分
|
|
|
|
復習 (事後学修)
|
|
| |
各授業
|
授業内で終了しなかった課題等を実施して提出する。
|
|
|
[
平均65
]分
|
|
|
|
成績評価
|
|
| |
評価項目
|
評価項目の詳細内容
|
割合
|
|
課題提出(レポート)
|
基礎課題:毎週の学修を促進するために取り組む課題 活用課題:学修内容を総合的に活用して取り組む課題(ミニプロジェクト)
|
100
%
|
|
|
|
|
小テスト
|
|
0
%
|
|
|
|
|
試験
|
|
0
%
|
|
|
|
|
実習・学外学修活動
|
|
0
%
|
|
|
|
|
その他
|
|
0
%
|
|
|
|
授業計画
|
|
| |
授業回
|
内容
|
|
1.
|
[タイトル] DataRobotの使い方・・・【第1週】 [内容] データサイエンスのクラウドサービスにログインし、利用方法や最小限の操作方法について確認する [キーワード] 学習データと検証データ、など [課題] 内容理解を促すための基礎課題(DataRobotの小演習)の実施 [実施形態] 同時双方向型のオンライン
|
|
2.
|
[予習(65分)] オンデマンド教材による学び1 [キーワード] データ分析の進め方、仮説検証サイクル、など [復習(65分)] 授業内で終了しなかった課題等を実施して提出する [実施形態] オンデマンド型のオンライン
|
|
3.
|
[タイトル] 目標設定、可視化(1)・・・【第2週】 [内容] データドリブンの意思決定の主なプロセスを知り、インパクトと実現可能性の検討を通じて向くテーマを設定できるようになる [キーワード] 分析目的の設定、など [課題] 内容理解を促すための基礎課題(DataRobotの小演習)の実施 [実施形態] 同時双方向型のオンライン
|
|
4.
|
[予習(65分)] オンデマンド教材による学び2 [キーワード] AIの歴史、様々なデータ分析手法、人間の知的活動とAI技術、AI技術の活用領域の広がり、AIの社会実装、など [復習(65分)] 授業内で終了しなかった課題等を実施して提出する [実施形態] オンデマンド型のオンライン
|
|
5.
|
[タイトル] データ収集・データクレンジング、可視化(2)・・・【第3週】 [内容] データクレンジングとして、破損したデータ、不正確なデータ、無関係なデータを特定して処理できるようになる [キーワード] データの収集、加工、分割/統合、など [課題] 内容理解を促すための基礎課題(DataRobotの小演習)の実施 [実施形態] 同時双方向型のオンライン
|
|
6.
|
[予習(65分)] オンデマンド教材による学び3 [キーワード] 機械学習、教師あり学習、交差検証法、など [復習(65分)] 授業内で終了しなかった課題等を実施して提出する [実施形態] オンデマンド型のオンライン
|
|
7.
|
[タイトル] 特徴量エンジニアリング、可視化(3)・・・【第4週】 [内容] ドメイン知識を活かした特徴量エンジニアリングにより予測精度の向上を試みる [キーワード] データの収集、加工、分割/統合、など [課題] 内容理解を促すための基礎課題(DataRobotの小演習)の実施 [実施形態] 同時双方向型のオンライン
|
|
8.
|
[予習(65分)] オンデマンド教材による学び4 [キーワード] ベクトルと行列、ベクトルの演算、行列の演算、など [復習(65分)] 授業内で終了しなかった課題等を実施して提出する [実施形態] オンデマンド型のオンライン
|
|
9.
|
[タイトル] ミニプロジェクト(1)・・・【第5週】 [課題] 学修内容を総合して取り組む活用課題の実施 [キーワード] データ分析の進め方、仮説検証サイクル、など [実施形態] 同時双方向型のオンライン
|
|
10.
|
[予習(65分)] オンデマンド教材による学び5 [キーワード] 相関係数、相関関係と因果関係、など [復習(65分)] 授業内で終了しなかった課題等を実施して提出する [実施形態] オンデマンド型のオンライン
|
|
11.
|
[タイトル] ミニプロジェクト(2)・・・【第6週】 [課題] 学修内容を総合して取り組む活用課題の実施 [キーワード] データ分析の進め方、仮説検証サイクル、など [実施形態] 同時双方向型のオンライン
|
|
12.
|
[予習(65分)] オンデマンド教材による学び6 [キーワード] ビッグデータの収集と蓄積、クラウドサービス、など [復習(65分)] 授業内で終了しなかった課題等を実施して提出する [実施形態] オンデマンド型のオンライン
|
|
13.
|
[タイトル] ミニプロジェクト(3)・・・【第7週】 [課題] 活用課題の成果発表と相互評価の実施 [キーワード] データ分析の進め方、仮説検証サイクル、など [実施形態] 同時双方向型のオンライン
|
|
14.
|
[予習(65分)] オンデマンド教材による学び7 [キーワード] ニューラルネットワークの原理、ディープニューラルネットワーク、など [復習(65分)] 授業内で終了しなかった課題等を実施して提出する [実施形態] オンデマンド型のオンライン
|
|
|
|
留意事項
|
|
・各週の授業の1コマ分は,時間割に記載の時間帯に同時双方向型のオンライン授業で実施するので必ず出席すること。各週のもう1コマ分、および事前学修と事後学修はオンデマンド型のオンライン授業でオンデマンド教材を利用して学ぶので講師の指示に従い、〆切までに必ず実施すること。 ・オンライン授業の学修管理システムやミーティングツールとしてはTeamsを使用する。なお、都合により変更する場合にはMUSCATの「講義連絡」でお知らせするので確認すること。 ・「授業計画」に記載の基礎課題や活用課題は、受講者の特性に応じて内容や順序を調整する可能性があるため、実際の課題内容に関しては担当講師の指示に従うこと。 ・病気などで同時双方向型のオンライン授業を欠席した週の課題(グループ課題は一人グループとして実施)は授業の2日後(授業が月曜日の場合は水曜日の23時59分)までに必ず提出すること。授業に出席した者も、課題の手直しは2日後まで可能なので積極的に取り組むこと。なお、クラスによって提出期限は調整する場合もあるため、詳細は担当講師の指示に従うこと。 ・グループワークを正当な理由なしに欠席し、グループメンバーに迷惑をかける行為をした場合は、重大なマナー違反なので成績評価は原則「D」とする。 ・本科目は複数クラスを開講するが、各クラス約90名の人数制限を実施する。 ・成績評価に関して詳しくは以下の説明を参照すること。 https://www.musashino-u.ac.jp/student-life/learning/results.html
|
|
|
教科書 (購入必要)
|
|
|
|
参考図書 (任意購入)
|
|
| |
1.
|
|
|
|
|
|
書籍名
|
『DataRobotではじめるビジネスAI入門』
|
|
|
|
|
|
著者
|
シバタアキラ、中山晴之、小島繁樹、川越雄介、香西哲弥
|
|
|
|
|
|
出版社
|
翔泳社
|
ISBN(13桁)
|
9784798166872
|
|
|
|
|
|
参考図書に関する履修学生への連絡事項
|
授業で利用する資料は授業中に配布をするが、事前の学習また知識を深めるために購入することを推奨する。
|
|
|
|
その他 (配布教材等により購入不要)
|
|
|
|
参考URL
|
|
|
|
実務経験のある教員等による授業科目 (実践的教育を行う授業科目)
|
|
| |
実践的教育を行う授業科目の種別
|
対象
|
|
a.実務経験を有する担当教員による実践的な授業科目
|
-
|
|
|
|
担当教員の実務経験(経歴・資格等)
|
|
|
|
|
|
|
|
授業内容との関連性
|
|
|
|
|
|
|
|
b.企業や自治体等、学外から実務経験を有する講師を招いて行う授業科目
|
-
|
|
|
|
学外講師の経歴・資格等
|
|
|
|
|
|
|
|
授業内容との関連性
|
|
|
|
|
|
|
|
c.企業や自治体等との連携により、学外でのインターンシップや実習、研修を行う授業科目
|
-
|
|
|
|
実習先・実習の目的
|
|
|
|
|
|
|
|
備考
|
|
|