シラバス参照

年度 2023 
講義名 人工知能実践プロジェクト[PJ-1] 
担当教員

林 浩一

佐藤 賢治郎

田丸 恵理子

開講期・曜日・時限・教室 前期不定期 その他 不定期 -
開講キャンパス 有明
開講学科 23 アントレプレナ―シップ学科
23 看護学科
23 薬学科 (6年制)
23 幼児教育学科
23 教育学科 学校教育専修(初等)
23 サステナビリティ学科
23 建築デザイン学科
23 数理工学科
23 社会福祉学科
23 人間科学科
23 会計ガバナンス学科
23 経営学科
23 経済学科
23 政治学科
23 法律学科
23 グローバルビジネス学科(秋入学)
23 グローバルビジネス学科(春入学)
23 日本語コミュニケーション学科
23 グローバルコミュニケーション学科
23 日本文学文化学科
22 アントレプレナ―シップ学科
22 看護学科
22 薬学科 (6年制)
22 幼児教育学科
22 教育学科 学校教育専修(初等)
22 建築デザイン学科
22 数理工学科
22 環境システム学科
22 社会福祉学科
22 人間科学科
22 会計ガバナンス学科
22 経営学科
22 経済学科
22 政治学科
22 法律学科
22 グローバルビジネス学科(秋入学)
22 グローバルビジネス学科(春入学)
22 日本語コミュニケーション学科
22 グローバルコミュニケーション学科
22 日本文学文化学科
21 アントレプレナ―シップ学科
21 看護学科
21 薬学科 (6年制)
21 幼児教育学科
21 教育学科 学校教育専修(理科)
21 教育学科 学校教育専修(初等)
21 建築デザイン学科
21 数理工学科
21 環境システム学科
21 社会福祉学科
21 人間科学科
21 会計ガバナンス学科
21 経営学科
21 経済学科
21 政治学科
21 法律学科
21 グローバルビジネス学科(秋入学)
21 グローバルビジネス学科(春入学)
21 日本語コミュニケーション学科
21 グローバルコミュニケーション学科
21 日本文学文化学科
授業形態 演習 
授業の実施形態 オンライン(一部対面。オンライン実施回が半数超)/Online (partially Face-to-Face: over 50% of the classes are Online) 
使用言語 日本語 
科目番号(ナンバリング) SIC 301 



授業概要
《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、社会で人工知能を始めとする高度な情報技術を活用するための手法を学ぶ。

本科目では、少人数ゼミ形式によりプロジェクト活動を推進する。履修者は、実社会のリアルなデータに対して、AIを初めとする高度な情報技術を活用することで、具体的な課題分析と解決に取り組むとともに、自身のキャリアビジョンとの関係を明確化する。

《具体的な内容》
以下に例示したテーマごとに準備されているプロジェクトグループを選択し、主担当・副担当の指導により、個人のテーマを設定する。その上で、授業の開始時にプロジェクトの活動計画を各自で定める。各回授業で定例の活動報告を行い、他の履修者とのディスカッションと相互評価を繰り返すことでプロジェクトを遂行する。

プロジェクトの活動結果は最終成果物の形にまとめ、終了時に開催される発表会で発表を行う。最終成果物の形態は、報告書・ガイド・ビデオプロトタイプ、プログラムなど様々であり、いずれも活動計画で目標として定める。

《テーマ例》
A-1. AI分析ツールでトレンドを理解してサービスを組み立ててみよう
A-2. DataRobotを用いて気持ちを捉えて販売方法を提案しよう
A-3. Pepperを使ったコミュニケーションサービスを作ってみよう
A-4. AI活用した3D空間ウェブデザインを実現してみよう
A-5. AIテキスト生成ツールの使い所のガイドを作ろう
A-6. 「話し言葉」の分析からサービスを提案しよう
A-7. 歌詞のテキスト分析を用いたクイズアプリの作成

B-1. 仮想スペース(メタバース) ツールを使った新しい学びのための環境を提案しよう
B-2. 様々なデータ分析の結果から、新しい学びのための響室(学修環境)を考えよう
B-3. サイバーキャンパスを使ったAR情報アプリを作ってみよう
B-4. ユーザーとの対話にあわせて会話をする内容を変えるチャットボットを作ろう
B-5. ユーザーの行動や環境に基づいて自ら学習するキャラクタを作ろう
B-6. ユーザーの行動データから非認知能力の特性を予測してみよう
B-7. ライフログデータを使った「幸せ」の評価尺度を提案しよう
B-8. 音楽の分析や生成に挑戦しよう

※AとBは専門性の高さの違いで分かれている。

[キーワード] AI・データサイエンス実践(演習や課題解決型学習)<データ・AI活用企画・実践・評価>

※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 人工知能技術とデータサイエンスを中心とした技術を活用するための知識を習得し、社会課題に適用する具体的なテーマを構想できるようになる。【専門能力】 
関心・態度・人格の到達目標 人工知能技術とデータサイエンスを中心とした技術を社会課題に適用するテーマを実行するために、プロジェクトを主体的に推進することができる。【主体性・実行力・ストレスコントロール力】 
思考・判断の到達目標 人工知能技術とデータサイエンスを活用するプロジェクトを推進する中で直面する様々な課題を、創造的に解決することができる。【創造的思考力】 
実践的スキル・表現の到達目標 人工知能技術とデータサイエンスを活用するプロジェクトで、他のチームメンバーと連携することで、1人ではできない高度な成果を生み出すことができる。【傾聴力・リーダーシップ・チームワーク力】 
「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)   〇 
E:グループワーク  
F:発表(プレゼンテーション)   〇 
G:実習、フィールドワーク   〇 
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)   〇 
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   〇 
B:講義資料や授業教材のオンライン配信   〇 
C:レポート課題等のオンライン提出   〇 
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)  
〇 
E:オンラインメディアの活用
 (e-Learning、edX、Coursera、JMOOC等のOpen Educational Resources)  
〇 
F:Zoom、Google Meet等のミーティングツールの活用   〇 
 
予習
(事前学修)
各授業   授業中に提示された次回の講義テーマや課題に関連する予備的な調査や準備活動をおこなう。次回講義で必要なソフトウェア環境の準備をしておく。また、講義で解説する技術や既存の事例等について下調べをしておく。 
[ 平均65  ]分
復習
(事後学修)
各授業   プロジェクトごとに提示された課題(テーマ考案・設定、輪読準備、プログラミング環境設定、サンプルプログラムの実行等)をおこなう。 
[ 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)   各自のテーマ遂行の経緯と結果を示す以下が成績評価の対象となる。
①開始時の活動計画、②定例の活動報告、③テーマの最終成果物(報告書・ガイド・ビデオプロトタイプ・プログラム等)、④終了時に開催される成果発表会での発表 
100  %
小テスト     0  %
試験     0  %
実習・学外学修活動     0  %
その他   成果物の学外発表(制作・論文・コンペ出展等)は、加点評価の対象となる。  0  %
授業計画
授業回 内容
1. プロジェクトグループごとに、実施テーマおよび基礎的な方法論・技術に関するオリエンテーションをおこなう。 
2. プロジェクトグループごとに、実施テーマおよび基礎的な方法論・技術に関するオリエンテーションをおこなう。 
3. プロジェクトグループごとに、個人の実施テーマを検討する。 
4. プロジェクトグループごとに、個人の実施テーマを検討する。 
5. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
6. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
7. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
8. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
9. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
10. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
11. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
12. プロジェクトグループごとに、個人の実施テーマを検討する。基礎的な方法論・技術の習得をおこなう。 
13. プロジェクトグループごとに、個人の実施テーマを進める。基礎的な方法論・技術を用いた実習・実装をおこなう。 
14. プロジェクトグループごとに、個人の実施テーマを進める。基礎的な方法論・技術を用いた実習・実装をおこなう。 
15. プロジェクトグループごとに、個人の実施テーマを進める。基礎的な方法論・技術を用いた実習・実装をおこなう。 
16. プロジェクトグループごとに、個人の実施テーマを進める。基礎的な方法論・技術を用いた実習・実装をおこなう。 
17. プロジェクトグループごとに、個人の実施テーマを進める。基礎的な方法論・技術を用いた実習・実装をおこなう。 
18. プロジェクトグループごとに、個人の実施テーマを進める。基礎的な方法論・技術を用いた実習・実装をおこなう。 
19. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。 
20. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。 
21. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。 
22. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。 
23. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。学期末最終ポスター発表会を企画する。 
24. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。学期末最終ポスター発表会を企画する。 
25. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。学期末最終ポスター発表会を企画する。ポスター発表用のポスターを作成する。 
26. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。学期末最終ポスター発表会を企画する。ポスター発表用のポスターを作成する。 
27. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。学期末最終ポスター発表会を企画する。ポスター発表用のポスターを作成する。 
28. プロジェクトグループごとに、学期末発表にむけた個人の実施テーマのまとめをおこなう。学期末最終ポスター発表会を企画する。ポスター発表用のポスターを作成する。 
留意事項
※副専攻(AI活用エキスパートコース)の修了を目指す学生が、本科目の履修を解除すると、修了要件を満たせなくなるため、コースを離脱することになるので注意すること。
※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)
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


PAGE TOP