日本語 English
| 開講年度/ Academic YearAcademic Year |
20252025 |
| 科目設置学部/ CollegeCollege |
全学共通科目・全学共通カリキュラム（総合系）/University-wide Liberal Arts Courses (Comprehensive Courses)University-wide Liberal Arts Courses (Comprehensive Courses) |
| 科目コード等/ Course CodeCourse Code |
FB157/FB157FB157 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
データサイエンスの現在とその未来 |
| 授業形態/ Class FormatClass Format |
オンデマンド（全回オンデマンド）/On-demand (all classes are on-demand)On-demand (all classes are on-demand) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
オンデマンド形式で開講されます。 |
| 授業形式/ Class StyleCampus |
講義/LectureLecture |
| 校地/ CampusCampus |
他/OtherOther |
| 学期/ SemesterSemester |
秋学期他/Fall OthersFall Others |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
ログインして教室を表示する（Log in to view the classrooms.） |
| 単位/ CreditsCredits |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
CMP2200 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
抽選登録/Lottery RegistrationLottery Registration（定員：200人/ Capacity：200） |
| 配当年次/ Assigned YearAssigned Year |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ Prerequisite RegulationsPrerequisite Regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
|
| 履修中止可否/ Course CancellationCourse Cancellation |
〇（履修中止可/ Eligible for cancellation） |
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
○○ |
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
各授業科目は、学部・研究科の定める学位授与方針（DP）や教育課程編成の方針（CP）に基づき、カリキュラム上に配置されています。詳細はカリキュラム・マップで確認することができます。 |
| 備考/ NotesNotes |
In today's society, data science and artificial intelligence (AI) have become indispensable technologies. In this section, we will understand the evolution of data science and AI to date, the representative products and technological background at each stage, and the issues that need to be considered for AI to be accepted by society in the future, in particular. In addition, the participants will be able to apply AI to their own field of expertise. In addition, students will understand the morals and ethics required when applying AI to their own fields of expertise. In addition, the students will understand the basic concepts of machine learning (supervised and unsupervised learning), deep learning, and reinforcement learning as specific analytical methods. Furthermore, students will understand the basic concepts of generative AI, which has been the focus of much attention in recent years, and be able to consider its application in their own fields of specialization.
Students will learn the history of data science and AI, learn about data science applications, and learn the theory of machine learning and deep learning. Specifically, students will learn about machine learning (supervised and unsupervised learning), deep learning, and reinforcement learning, understand their theories and applications, and experience actual analysis practice. In addition, students will learn about state-of-the-art methods and artificial intelligence, with a focus on generative AI, in order to gain the knowledge necessary for its application.
| 1 | 現代社会におけるデータサイエンスとAI：導入 |
| 2 | 人工知能（AI）開発の歴史と現在 |
| 3 | 機械学習の基礎 |
| 4 | 機械学習の活用事例 |
| 5 | 機械学習実習1 |
| 6 | 機械学習実習２ |
| 7 | 深層学習の基礎 |
| 8 | 深層学習の活用事例 |
| 9 | 強化学習の基礎 |
| 10 | AIの活用事例１ |
| 11 | AIの活用事例２ |
| 12 | 生成AIの応用と革新 |
| 13 | AI活用とその倫理 |
| 14 | まとめと振り返り |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
講義の視聴に加え、分析実習を行う。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内課題（13回 各5%)(65%) 最終課題(35%) |
| 備考 (Notes) | ||
なし/None
データサイエンス入門を履修した後、または同時履修が望ましい。
分析を行うパソコンを準備して受講すること。
2016年度以降入学者：多彩な学び
2015年度以前入学者：主題別A
現代社会において、データサイエンスや人工知能（AI）は欠かすことのできない技術となっているが、ここではデータサイエンスおよびAIのこれまでの変遷、各段階における代表的な成果物や技術背景を理解し、今後、特にAIが社会に受け入れられるために考慮すべき論点を理解する。さらに、自らの専門分野にAIを応用する際に求められるモラルや倫理についても理解する。また具体的な分析手法として、機械学習（教師あり学習、教師なし学習）、深層学習、強化学習の基本的な概念を理解する。さらに近年注目されている生成AIの基礎的な概念を理解し、自らの専門分野での応用について考えることができることを目指す。
In today's society, data science and artificial intelligence (AI) have become indispensable technologies. In this section, we will understand the evolution of data science and AI to date, the representative products and technological background at each stage, and the issues that need to be considered for AI to be accepted by society in the future, in particular. In addition, the participants will be able to apply AI to their own field of expertise. In addition, students will understand the morals and ethics required when applying AI to their own fields of expertise. In addition, the students will understand the basic concepts of machine learning (supervised and unsupervised learning), deep learning, and reinforcement learning as specific analytical methods. Furthermore, students will understand the basic concepts of generative AI, which has been the focus of much attention in recent years, and be able to consider its application in their own fields of specialization.
データサイエンスおよびAIの歴史を学び、データサイエンスの応用事例、機械学習や深層学習の理論を学ぶ。具体的には、機械学習（教師あり学習、教師なし学習）、深層学習、強化学習について学び、その理論と活用方法を理解し、実際の分析実習も体験する。さらに、最先端の手法や生成AIを中心としたについて人工知能についてもその活用のために必要な知識を得る。
Students will learn the history of data science and AI, learn about data science applications, and learn the theory of machine learning and deep learning. Specifically, students will learn about machine learning (supervised and unsupervised learning), deep learning, and reinforcement learning, understand their theories and applications, and experience actual analysis practice. In addition, students will learn about state-of-the-art methods and artificial intelligence, with a focus on generative AI, in order to gain the knowledge necessary for its application.
| 1 | 現代社会におけるデータサイエンスとAI：導入 |
| 2 | 人工知能（AI）開発の歴史と現在 |
| 3 | 機械学習の基礎 |
| 4 | 機械学習の活用事例 |
| 5 | 機械学習実習1 |
| 6 | 機械学習実習２ |
| 7 | 深層学習の基礎 |
| 8 | 深層学習の活用事例 |
| 9 | 強化学習の基礎 |
| 10 | AIの活用事例１ |
| 11 | AIの活用事例２ |
| 12 | 生成AIの応用と革新 |
| 13 | AI活用とその倫理 |
| 14 | まとめと振り返り |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
講義の視聴に加え、分析実習を行う。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
授業内課題（13回 各5%)(65%) 最終課題(35%) |
| 備考 (Notes) | ||
なし/None
データサイエンス入門を履修した後、または同時履修が望ましい。
分析を行うパソコンを準備して受講すること。
2016年度以降入学者：多彩な学び
2015年度以前入学者：主題別A