|
授業概要／Course outline
|
|
インターネットの広範囲な普及および情報通信・計測技術の飛躍的な発展によって，社会では常に膨大なデータ
が生成され蓄積されている。天文学，経済学，疫学，公共政策などの分野は，古来よりデータから有用な情報を抽
出するデータサイエンスであったが，近年得られるようになった桁違いのビッグデータを背景にして，社会におけ
る様々なセクターにおいてデータサイエンスが注目されている。さらに，機械学習のアルゴリズムの進歩および計
算機の高速化と相まって，人工知能(AI)が実用化されてきている。ビッグデータおよびAI技術は，スマートフォン
の音声アシスト機能，自動車の自動運転機能などの身近な物から，医療診断，工場の最適化，企業の意思決定，災
害の予測など，多岐にわたって既に活用されている。このような社会で生活するためには，データおよびAIについ
ての基礎的な知識を身につけ，問題点を含めてそれがどのようなものであるかを理解しておく必要がある。
この授業では，データの収集法，AIの基本的な仕組み，社会におけるデータ・AI活用例，法律的・倫理的な問題
点，人間社会・職業への影響，その予想される将来を，具体例を元に解説する。また，データの数理的な扱いの基
礎も解説する。
|
|
授業形態，授業方法等／Course form・type
|
|
【授業形態】
遠隔授業
（
オンデマンド授業
）
【授業方法】
講義
・ICTを活用した授業
（
形態：
遠隔教育（ビデオ・オン・デマンド等）
）
・その他
PCを用いた演習を含む
|
|
授業内容・授業計画／Course description・plan
|
|
1.ガイダンス，現在の社会でおきている変化：小郷原
● 現在の社会でおきている変化：ビッグデータ，第4次産業革命，人工知能
● 環境・気象分野におけるデータサイエンス・AIの活用例
2.データリテラシー（１）：山田
● 質的・量的データ，代表値，データのばらつき，誤差，相関と因果，データ表現
3.データリテラシー（２）：赤岩
● データの集計，並び替え，データ表現，可視化，データ分析
4.経済学分野におけるデータサイエンス・AIの役割と活用例：潘
● プラットフォームビジネス，ビッグデータ
5.経済学・経営学分野におけるデータサイエンス・AIの役割と活用例：池田
● 時系列データ
6.社会学分野におけるデータサイエンス・AIの役割と活用例：塩谷
● 社会調査と統計解析による社会科学的研究の実践方法，社会調査、量的調査、仮説の検証、操作的定義
7.生命科学分野におけるデータサイエンス・AIの役割と活用例：野村，三瓶
● 遺伝子解析データ，空間情報データ，地域生態系保全
8.機械学習手法の分類：岡田
● AIの学習とは，教師あり学習，教師なし学習，強化学習
9.AIと視覚，自然言語：宮森
● 機械学習，深層学習，画像認識，自然言語処理，公平性，バイアス
10.サイバーフィジカルとAI：河合
● SNS，IoT，データ収集，データクレンジング，MaaS
11.クチコミ分析と情報推薦：中島
● クチコミ分析，情報推薦，Web
12.経営学分野におけるデータサイエンス・AIの役割と活用例：上元
● 質的データの数値化による因果関係の解明，レビューサイト
13.人工知能の創造性とは何か：棟方
● ロボット，ゲームAI，モンテカルロ法，深層学習
14.データの活用，人工知能の発展とともに生じる倫理的・法的・社会的な問題：古谷
● データ・AIを扱う上での留意事項, データを守る上での留意事項
15.AIの軍事利用の現状：岩本
● AI搭載ロボット兵器の現状と倫理規制議論，致死性自律型兵器システムの法的規制
|
|
準備学習等（事前・事後学習）／Preparation and assignments
|
|
各回の授業の事前・事後学習は、それぞれ2時間行うこと。
第1回
[事前学習] Moodleの活用方法，オンデマンド講義の受講方法を確認しておく
[事後学習] 新聞，雑誌，ネットなどで，社会におけるデータサイエンスの活用事例に関する記事を探す
第2回
[事前学習]
社会で用いられているデータにはどのような種類のものがあるかを考察しておく。データの代表値はどのように利
用されるかを考察しておく。データを表現する方法にはどのような物があるかを考察しておく。
[事後学習]
授業で解説された事項について，社会において当てはまる具体例を探し出す。新聞，書物などにあるデータおよび
その表現について，授業で解説されたことを元に，考察する。
第3回
[事前学習] これまでの講義の内容を復習しておく。Excelの扱いに慣れておく。
[事後学習] 配布されたデータや興味のあるデータに対して，授業で扱ったデータの集計方法や可視化の方法を実
践する。
第4回
[事前学習] 身近なプラットフォームビジネスの現実例（カーセンサーなど）を調べておく。または，ビッグデー
タがどのようにプラットフォームビジネスで応用されているかを考えておく。
[事後学習] 授業で紹介した内容，特に理論モデルの仕組みを復習する。小テストの計算問題を正しく再現する。
第5回
[事前学習] 前回までの授業内容，特に記述統計と横断面データによる回帰分析について復習する
事後学習: スライドを復習し，演習問題に取り組む。授業内で紹介した参考文献を読む
第6回
[事前学習] 社会調査，量的調査，仮説の検証，操作的定義というキーワードについてインターネットで検索して
調べておく。
[事後学習] 授業で解説した内容，特に仮説の検証とデータ分析の対応関係について復習する。
第7回
[事前学習] シラバスを読み，キーワードの洗い出しと下調べを行っておくこと。
[事後学習] 資料を見て授業内容の振り返りをして，授業中に出す演習問題を解くこと。
第8回：
[事前学習] Moodleで配布する講義資料を読み，内容を予習しておく。
[事後学習] (1)moodleに掲載した付録資料をよく読み，機械学習手法の理解を深める。(2) moodleにて紹介した参
考文献から１つ以上選んでよく読み，機械学習手法の理解を深める。
第9回
[事前学習] キーワードについて事前に下調べし，疑問点を明らかにしておくこと
[事後学習] 講義の内容を整理し，重要と思う部分をまとめ，確認問題を解いておくこと。また，自分が気になっ
た内容について，新聞，雑誌，ネットなどで調査し，理解を深めること。
第10回
[事前学習] キーワードについて事前に下調べし，疑問点を明らかにしておくこと
[事後学習] 講義の内容を整理し，重要と思う部分をまとめ，確認問題を解くこと。また，自分が気になった内容
について，新聞，雑誌，ネットなどで調査し，理解を深めること。
第11回
[事前学習] キーワードについて事前に下調べし，疑問点を明らかにしておくこと
[事後学習] 講義の内容を整理し，重要と思う部分をまとめ，確認問題を解いておくこと。また，自分が気になっ
た内容について，新聞，雑誌，ネットなどで調査し，理解を深めること。
第12回
〔事前学習〕食べログや楽天トラベル，価格.comといったレビューサイトにおいて，消費者（レビュアー）や店舗
・商品・企業のどういったデータが入手できるかについて確認する。また，MS Office365のExcelを事前にダウン
ロードし使えるようにしておく。
〔事後学習〕テスト内容を復習するとともに，学習内容とは異なる概念にもとづき，消費者に関するテキストデー
タを数量化する。
第13回
[事前学習] Moodleの資料を確認し，分からない所は調べておく。
[事後学習] 講義の内容を見直し，講義で紹介した事例だけではなくそれ以外の事例についても調査し，人工知能
の創造性について理解を深める。
第14回
[事前学習] 様々な分野におけるAIの活用例を中心に，前回までの授業の内容を振り返る。
[事後学習] 授業の中で紹介する参考文献を読み，発展的な学習を行う。
第15回
[事前学習] AIの軍事利用に関する最近の新聞記事を幾つか検索し，事前に概要を把握しておく。
[事後学修] 講義資料を読み返し，さらに，そこで示した参考資料を読んで理解を深める。
|
|
授業の到達目標／Expected outcome
|
|
１． ビッグデータ，AIなど社会で起きている変化について理解する。
２． 調査データ，人間の行動データなど社会で活用されているデータにはどのようなものがあるかを知る。
３． マーケティング，物流などデータ・AIの活用領域を知る。
４． データ解析，パターン認識，可視化など，データ・AIの利活用のための技術を知る。
５． 金融，サービス等におけるデータ・AI利活用の現場を知る。
６． データ・AI等を利用した新しいビジネスモデルなど，データ・AI利活用の最新動向を知る。
７． 代表値，分散，相関など，データを適切に読むための知識をつける。
８． ヒストグラム，チャートなど，データを適切に表現し説明するための知識をつける。
９． データ解析ツール，集計，ソートなど，データを取り扱う方法を知る。
１０． データAIを扱う上での，法律的，倫理的な留意事項を知る。
１１． 情報セキュリティ，パスワードなど，データを守る上での留意事項を知る。
|
|
身につく資質・能力／Competencies to be attained
|
|
|
|
|
履修上の注意／Special notes, cautions
|
|
各回の小テストのMoodle上での受験期間は１週間ですが，３日以内に受験し，送信完了の確認をしてください。
通信トラブルなどにより期限が過ぎて受験できなかった場合でも，救済措置はとりません。
小テストの受験可能回数や評価方法は，各回で異なりますのでMoodle上で確認してください。
|
|
評価方法／Evaluation
|
|
小テスト 90% （１回の小テスト 6% ✕ 15回）
質問フォーラムでの良い質問および良い回答 10%
|
|
教 材／Text and materials
|
|
各回に，Moodle上でpdfファイルとして配布。
|
|
質問や相談の方法／Instructor contact
|
|
授業全般についての質問は、Moodleのページトップにある「質問」フォーラムへ。
各回の講義内容についての質問は、Moodleの各回の「質問」フォーラムへ。
講義内容についての質問に対しては，他の学生が回答することもできます。
良い質問および良い回答は成績評価の対象となります。
「問題の解き方が分かりません」などの漠然とした質問ではなく，「＊＊の式の値が＃＃になる理由が分かりませ
ん」などのように，疑問点がはっきりとした質問をしてください。
また，回答があった場合には，質問者は「%%ということですね。分かりました」あるいは「%%がまだ分かりません」
というふうに返信をしてください。
フォーラムで質問しにくいことは、下記アドレスにメールで質問してください。
yamada@cc.kyoto-su.ac.jp
|
|
|
|
