文理学部シラバスTOP > 文理学部 > コンピュータ科目 > ビッグデータサイエンス
日本大学ロゴ

ビッグデータサイエンス

このページを印刷する

令和２年度以降入学者 ビッグデータサイエンス
教員名 大川内隆朗
単位数    2 学年 1～4 開講区分 文理学部
科目群 コンピュータ科目
学期 後期 履修区分 選択
授業形態 対面授業（一部遠隔授業）
授業の形態 対面授業（オンデマンド型動画配信を3/15含む）
Blackboard ID 20233487
授業概要 ビッグデータ時代に社会でAIがどのように利用されているのかを知り，データサイエンスを学ぶ重要性について理解する。
課題の発見から解決までのサイクルを概観していく中で，データがどのように発生し，どのように管理・利活用されるのかを講義や演習を通して学んでいく。そして，これからのAI社会に必要とされる情報技術やデータリテラシーを身につけると同時に，AIの中での人々の仕事や役割について考えていく。
授業のねらい・到達目標 <授業のねらい>
・ビッグデータ時代のデータの扱いに関する基本的な知識を修得する
・データの基本的な分析について知識を身に付け実践できる

<到達目標>
・AIが社会の中でどのような分野でどのように活用されているのかを知る
・データの発生から，管理・利活用までの流れを理解する
・AIの仕組みについて、基礎的なアルゴリズムのデモや実践を通して理解する
・pythonを利用し，簡単なプログラムの制御について実践できるようになる
・AIの現状（出来ることと出来ないこと）を認識し，適切に利用できるようになる

<日本大学教育憲章との関係>
経験や学修から得られた豊かな知識と教養に基づいて，倫理的な課題を理解し説明することができる。(A-1-1)
世界諸国の歴史や政治，経済，文化，価値観，信条などの現状を概説できる。(A-2-1)
仮説に基づく課題や問題を提示し，客観的な情報を基に，論理的・批判的に考察することの重要性を説明できる。(A-3-1)
事象を注意深く観察して，解決すべき問題を認識できる。(A-4-1)

<ディプロマポリシーとの関係>
この科目は文理学部のDP1,2,3,4及びCP1,2,3,4に対応している。
授業の形式 講義、演習
授業の方法 PC教室で1人1台のPC環境のもとに授業を進めていく。
各講義では毎回，授業内容の確認のための小テストまたは小課題の出題を行う。
授業中にはそのフィードバックも行う。

教材提示やレポート提出等は学内共通LMSであるBlackboardを利用する。
本授業の事前・事後学習は，各２時間の学修を目安とする。

Blackboardから提出できる小テストや小課題を毎週課すので，期日までに提出してもらう。
履修条件 1年生必修科目「情報リテラシー」を履修済みであること。
授業計画
1 ガイダンス 本授業で学修する内容:(A-1-1 , A-2-1, A-3-1, A-4-1)
　AI・ビッグデータ時代における社会の変化
　AIによる産業・職業の改革
　人間の知能とAI
　データ駆動型社会におけるAIの役割，
【事前学習】AIが利用されている分野について，特に興味あるものをその仕組みとともに調べておく （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
2 AI時代におけるデータの活用:(A-1-1, A-2-1)
　多様なデータ・ソースとデータ量の増加
　データの構造化とメタデータ
　アノテーション（データに対する情報付加）
　一次データ・二次データとオープンデータ
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】オンデマンド型授業
3 各分野におけるAIの活用:(A-1-1, A-2-1)
　AIを利用した研究開発
　推薦システムと協調フィルタリング
　モニタリングとエラー検知
　意思決定への支援
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】オンデマンド型授業
4 データ利活用のための技術:(A-3-1, A-4-1)
　データの一次集計と基本統計量
　データの可視化（グラフ、地図、ネットワーク分析）
　AIを用いた画像認識・言語処理の基礎
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
5 AIを用いたデータ解析:(A-3-1, A-4-1)
　予測、グルーピング、パターン発見
　最適化技術とシミュレーション
　特化型AIと汎用的AI
　ルールベースアプローチと自動化技術
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
6 AIを用いた課題解決:(A-3-1, A-4-1)
　課題の発見から解決までのサイクル
　モデリングと探索的データ分析
　各分野におけるAI利活用の事例
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
7 機械学習（１）教師あり学習(A-3-1, A-4-1)
　説明変数と目的変数
　クラス分類と回帰による目的変数の推定
　訓練データによる機械学習
　過学習
　AIの評価
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
8 機械学習（２）教師なし学習(A-3-1, A-4-1)
　クラスタリングによるグルーピング
　主成分分析を利用した次元の削減
　自己組織化マップ
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】レポートを作成し，提出を行う （2時間）
【授業形態】対面授業
9 AI分野における最新の動向 (A-1-1, A-2-1, A-3-1, A-4-1)
　ニューラルネットワークと深層学習
　強化学習による機械学習
　擬似データの生成
　新しいビジネスモデル
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
10 データのハンドリング(A-3-1, A-4-1)
　データベースの基本
　データの分割と結合
　データのクレンジングと整形
　SQLを利用したデータ操作
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
11 AI活用のためのプログラミング（1）(A-3-1, A-4-1)
　Pythonの基本
　四則演算
　繰り返し処理
　条件分岐
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
12 AI活用のためのプログラミング（2）(A-3-1, A-4-1)
　Pythonによる表形式データの基本集計
　データのソートと探索
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
13 AIを利用した画像処理(A-3-1, A-4-1)
　物体検出
　セマンティックセグメンテーション
　敵対的生成ネットワーク
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】LMS上で課題の提出を行う （2時間）
【授業形態】対面授業
14 AIを利用した自然言語処理 (A-3-1, A-4-1)
　n-gramを用いた文章類似度判定
　形態素解析と構文解析
　文書単語行列を利用した迷惑メール判定
【事前学習】LMS上で公開する教材を利用し内容を理解する （2時間）
【事後学習】確認テストの内容を踏まえ、理解が不足している部分について内容を補っておく （2時間）
【授業形態】対面授業
15 まとめと振り返り(A-1-1, A-2-1, A-3-1, A-4-1)
　授業内テストおよびフィードバック，授業の総括
【事前学習】授業内容全体を総合的に確認し、理解を深めておくこと （2時間）
【事後学習】レポートを作成し，提出を行う （2時間）
【授業形態】オンデマンド型授業
その他
教科書 教科書は利用せず，授業に必要な教材はLMS上を通して提供する。
参考書 授業の中で適宜紹介する。
成績評価の方法及び基準 レポート:中間レポート，期末レポート(40%)、授業内テスト:授業内容確認テスト(20%)、授業参画度:各回の小テスト(40%)
授業内テスト，毎回の小テスト／小課題，レポートによる総合的評価とする。
各DP, CPについての評価・判定も上記により総合的に測る。
オフィスアワー 質問はメールにて受付および回答を行う。メールアドレスについてはBlackboard上および初回授業時に案内する。

↑このページのトップ