大学教育センター

FUKUYAMA UNIVERSITY Education center

福山大学の写真

数理・データサイエンス・AI教育プログラム

数理・データサイエンス・AI教育部門の任務とスタッフ

本部門は、数理・データサイエンス・AI教育を統括し、「福山大学数理・データサイエンス・AI教育プログラム(リテラシーレベル)」の改善・進化を担当しています。これは、学生の皆さんが、数理、データサイエンス、AIへの関心を高め、これらを適切に理解し、活用できる能力を高めるための特色あるプログラムです。

<スタッフ>

役職名 氏  名 所属
部 門 長 金 子  邦 彦 工学部教授
委 員 満 谷   淳 教務委員長
委 員 石 丸  敬 二 経済学部准教授
委 員 筒 本  和 広 人間文化学部教授
委 員 伊 澤  康 一 工学部准教授
委 員 広 岡  和 丈 生命工学部教授
委 員 上敷領   淳 薬学部准教授
委 員 記 谷  康 之  大学教育センター助教
委 員 瀬 島  紀 夫 共同利用センター講師
委 員 武 田  貢 一 学務部長

福山大学数理・データサイエンス・AI教育プログラム(リテラシーレベル)を実施するための計画(令和4年4月1日改定)

福山大学数理・データサイエンス・AI教育プログラム(リテラシーレベル)により身に付けることのできる能力、修了要件、開設される授業科目、授業の方法及び内容並びに実施体制を公開することで、当該プログラムの広報、当該プログラムの効果の改善(受講者数増を含む)を行います。

目次

  • 1.教育プログラムの名称
  • 2.本プログラム(リテラシーレベル)の理念、概要
  • 3.本プログラム(リテラシーレベル)において身に付けることのできる能力
  • 4.用語説明
  • 5.開設される授業科目(本プログラム(リテラシーレベル)を構成する授業科目)
  • 6.カリキュラムマップ
  • 7.参考科目
  • 8.修了要件
  • 9.授業の方法及び内容
  • 10.実施体制
  • 11.福山大学の数理・データサイエンス・AI教育の特色

1.教育プログラムの名称

 福山大学数理・データサイエンス・AI教育プログラム(リテラシーレベル)

 (以下「本プログラム(リテラシーレベル)」と呼びます)。

2.本プログラム(リテラシーレベル)の理念、概要

 本学では、すべての学生が、望めば大学で、リテラシーレベルの数理・データサイエンス・AIを取得することができます。このことは、国の方針であるAI戦略2019(令和元年、内閣府)に合致するものです。令和4年度入学生からは、本プログラム(リテラシーレベル)の刷新充実を行い、受講可能人数の増、教育内容の充実を行います。特色としては、共通的な基礎と、学部・学科の専門に応じた基礎の両方を学ぶことができます。教育システムのデジタル化とオンライン化としては、全学レベルで、遠隔授業等でのデジタルの活用、オンラインのシラバスシステム、演習やアクティブラーニングでのデジタルの活用などを行っていることも特色です。

【今までの取り組み】

●令和3年度:所定の修了条件を満たした学生への修了証の発行開始

自己点検を実施の上、修了証を発行できる体制を整備しました。自己点検の要点は次の通りです。

・本学では、今までも、数理、データサイエンス、AIの関連科目を30科目以上開講していた。

・本学のカリキュラムおよびシラバスを自己点検し、全学部・学科について、数理・データサイエンス・AIのリテラシーレベルを、2~3科目の受講で修得できることを確認しました。

●令和4年度:内容の充実

・情報倫理、プライバシ、個人情報の適切な扱いに関する教育の充実を行います。

・専門性に応じた基礎の充実を行います。学生個々の専門分野におけるICTとAIの有用性の教示、卒業研究や実務でのデータの取り扱いを想定した基礎の涵養などです。具体的には、経済については、データベースのデータ管理とデータ活用、人間文化と生命工学については、表計算ソフトウエアの高度な機能によるデータ処理やグラフ化、工学については、デジタルデザインやAIのプログラミング、薬学については、高度な統計処理や医薬品情報の適切な活用を教え、専門性に応じたICTとAIの基礎を教育します。

3.本プログラム(リテラシーレベル)において身に付けることのできる能力

(1) 人工知能社会、情報化社会におけるICTとAIの活用ができる基本的な素養

(2) 情報倫理、プライバシ、個人情報に関する基礎的な素養

(3) 情報セキュリティに関する基礎的な素養

(4) データサイエンスとデータ活用と、それらの数理的基礎に関する基本的な素養

4.用語説明

【数理・データサイエンス・AI教育の学習内容の5項目】

文部科学省による「数理・データサイエンス・AI教育プログラム認定制度実施要綱細目」が定める5つの項目のこと。以下「5項目」という。(https://www.mext.go.jp/content/20210219-mxt_senmon01-000012801_4.pdf)

項目①:社会で起きている変化、データ・AI利活用の最新動向

数理・データサイエンス・AIは、現在進行中の社会変化(第 4 次産業革命、Society 5.0、データ駆動型社会等)に深く寄与しているものである。また、それが自らの生活と密接に結びついているものである。

項目②:社会で活用されているデータ、データ・AIの活用領域

数理・データサイエンス・AIが対象とする「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得る。

項目③:データ・AI利活用のための技術、データ・AI利活用の現場

様々なデータ利活用の現場におけるデータ利活用事例を示す。数理・データサイエンス・AIは様々な適用領域(流通、製造、金融、サービス、インフラ、公共、ヘルスケア等)の知見と組み合わせることで価値を創出するものである。

項目④:データ・AI利活用における留意事項、データを守る上での留意事項

数理・データサイエンス・AIは万能ではなく、その活用に当たっての様々な留意事項(ELSI、個人情報、データ倫理、AI社会原則等)を考慮することが重要である。また、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解が重要である。

項目⑤:データを読む、データを説明する、データを扱う

実データ・実課題(学術データ等を含む)を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・AIの基本的な活用法に関すること。

【リテラシーレベル】

当該分野への関心を高め、かつ、当該分野を適切に理解し、活用する基礎的な能力のレベル。

【AI戦略2019】

AI戦略2019(令和元年、内閣府)では、「文理を問わず全ての大学・高専生(約50万人卒/年)が正規課程にてリテラシーラベルの数理・データサイエンス・AIを修得すること」を目標として掲げている。

5.開設される授業科目(本プログラム(リテラシーレベル)を構成する授業科目)

 令和4年度入学生に対して開講される授業科目(本プログラム(リテラシーレベル)を構成する授業科目)は次の通りです。令和3年度およびそれ以前の入学生に対して開講される授業科目は,「6.カリキュラムマップ」に記載されています。

「情報処理基礎」、「情報処理技法」、「情報処理応用」、「人工知能」、「建築デジタルデザインⅡ」、「統計解析と臨床研究」、「実習Ⅴ」

6.カリキュラムマップ

 数理・データサイエンス・AI教育の学習内容の5項目のリテラシーレベルについて、下のカリキュラムマップにあるように、情報処理基礎と、その他1~2科目程度の履修により学ぶことができるようにしています。

カリキュラムマップ(令和4年度入学生)

項目 1年次 1年次~4年次
項目②
項目④
情報処理基礎
(共通基礎科目、必修)
 
項目①
項目②
項目⑤
  経済学部 情報処理技法
(専門科目)
人間文化学部 情報処理応用
(専門科目)
工学部 スマートシステム学科
情報工学科
機械システム工学科
人工知能
(専門科目)
建築学科 建築デジタルデザインⅡ
(専門科目)
生命工学部 情報処理応用
(共通教育科目)
薬学部 統計解析と臨床研究、実習V
(専門科目)

カリキュラムマップ(令和3年度入学生)

項目 1年次 3年次
項目②
項目④
情報処理基礎
(共通基礎科目、必修)
情報処理応用
(自由聴講科目)
情報処理技法
(経済学部専門教育科目)
   
項目①     人工知能
(自由聴講科目)
項目③ 数理科学
(教養教育科目)
情報処理応用
(自由聴講科目)
  金融論特講
(経済学部専門教育科目)
項目⑤    

カリキュラムマップ(令和2年度入学生)

項目 1年次 3年次
項目②
項目④
情報処理基礎
(共通基礎科目、必修)
情報処理応用
(自由聴講科目)
情報処理技法
(自由聴講科目)
   
項目①     人工知能
(自由聴講科目)
項目③ 数理科学
(教養教育科目)
情報処理応用
(自由聴講科目)
  金融論特講
(経済学部専門教育科目)
項目⑤    

共通基礎科目、教養教育科目:全学生が履修できます。

自由聴講科目:自由聴講制により、所定の手続きの上で、所属する学部以外の専門教育科目(選択科目)を受講するもので、卒業単位数に合算されます。

専門教育科目:特定の学部等に所属する学生のみが履修できます。

7.参考科目

 本プログラム(リテラシーレベル)の構成科目ではありませんが、数理・データサイエンス・AIについて学ぶことができる科目が多数あります。ここに記載の参考科目は、当該学部全学生ではなく、特定の学科のみに受講を認めているものがあります。

経済学部
 数理科学、金融論特講、経済統計学I、経済統計学Ⅱ、計量経済学、スポーツ統計学

人間文化学部
 数理科学、心理学統計法1、心理学統計法2、心理学実験1、心理学実験2

工学部
 数理科学、ロボット制御、ロボット応用、確率統計、コンピューターサイエンス、応用数学、データベースシステム

生命工学部
 数理科学、バイオ情報処理演習、健康管理概論、生物統計学

薬学部
 数理科学、薬学の基礎としての数学A、薬学の基礎としての数学

8.修了要件

 本プログラム(リテラシーレベル)の修了要件は、令和4年度入学生は、次表の通り、本プログラム(リテラシーレベル)を構成する所属する学部の授業科目をすべて取得することとしています。令和3年度およびそれ以前の入学生については、「6.カリキュラムマップ」に記載の科目について、項目①~⑤のすべての項目を修得することとしています。

表.修了要件(令和4年度入学生に適用)

学部 学科 本プログラム(リテラシーレベル)を構成する授業科目
経済学部 全学科 情報処理基礎、情報処理技法
人間文化学部 全学科 情報処理基礎、情報処理応用
工学部 スマートシステム学科、情報工学科、機械システム工学科 情報処理基礎、人工知能
建築学科 情報処理基礎、建築デジタルデザインⅡ
生命工学部 全学科 情報処理基礎、情報処理応用
薬学部 薬学科 情報処理基礎、統計解析と臨床研究、実習V

9.授業の方法及び内容

 本プログラム(リテラシーレベル)の修了要件は、令和4年度入学生は、次表の通り、本プログラム(リテラシーレベル)を構成する所属する学部の授業科目をすべて取得することとしています。令和3年度およびそれ以前の入学生については、「6.カリキュラムマップ」に記載の科目について、項目①~⑤のすべての項目を修得することとしています。

(1)情報処理基礎では、ICTの初心者でも、ICTスキルを一定水準(ワードやインターネットの基本操作ができるレベル)まで養成するという理念のもと、次の内容を教えています。シラバスでもそのように記載しています。

  • ●大学のICT
  • ●情報倫理
  • ●情報セキュリティ
  • ●パソコンの基本操作(電源、パスワード、メニュー、ファイル、フォルダ)
  • ●WEBブラウザの操作
  • ●ICTによる文書作成
  • ●人工知能(令和4年度より)
  • ●データの基礎(令和4年度より)

そのことにより、5項目のうちの項目②と項目④を学ぶことができるようにしています。

項目②:社会で活用されているデータ、データ・AIの活用領域

項目④:データ・AI利活用における留意事項、データを守る上での留意事項

(2)情報処理基礎は、次の15回分の標準的なシラバスを定めるとともに、全学生の必修科目としています。各回のシラバスは次の通りです。ただし、各部学科ごとの独自の内容が追加されている場合、実施順を変えている場合などがあります。

  • 1.ICTのリテラシー、大学のICT
  • 2.コンピュータの基本
  • 3.コンピュータの操作の実習
  • 4.情報倫理、情報セキュリティ
  • 5.パソコンでの文字入力、キーボードやマウスの操作
  • 6.Windows の機能
  • 7.インターネット、WEBブラウザ、電子メールのマナー
  • 8.ファイル
  • 9.プライバシ、個人情報
  • 10.人工知能(活用領域、社会的課題、能力と限界)
  • 11.データの基礎(活用例、活用領域、留意事項、表形式データ、データの図解、グラフ、データの分析と数理)
  • 12.ICTに関する実習(1)※ シラバスにおいては、実習の詳細内容等が追記されています。
  • 13.ICTに関する実習(2)※ シラバスにおいては、実習の詳細内容等が追記されています。
  • 14.ICTに関する実習(3)※ シラバスにおいては、実習の詳細内容等が追記されています。
  • 15.総合演習 ※ シラバスにおいては、実習内容等が追記されています。

そのことにより、5項目のうちの項目②と項目④を学ぶことができるようにしています。

項目②:社会で活用されているデータ、データ・AIの活用領域

項目④:データ・AI利活用における留意事項、データを守る上での留意事項

 本プログラム(リテラシーレベル)の修了要件は、令和4年度入学生は、次表の通り、本プログラム(リテラシーレベル)を構成する所属する学部の授業科目をすべて取得することとしています。令和3年度およびそれ以前の入学生については、「6.カリキュラムマップ」に記載の科目について、項目①~⑤のすべての項目を修得することとしています。

(3)情報処理基礎のうち、次の2回分については、全学統一の標準教材を整備しています。

  • ●人工知能(活用領域、社会的課題、能力と限界)
  • ●データの基礎(活用例、活用領域、留意事項、表形式データ、データの図解、グラフ、データの分析と数理)

(4) 情報処理基礎以外の、本プログラム(リテラシーレベル)を構成する科目「情報処理技法」、「情報処理応用」、「人工知能」、「建築デジタルデザインⅡ」「統計解析と臨床研究」、「実習Ⅴ」の履修により、5項目のうちの項目①と項目③と項目⑤を学ぶことができる。シラバスは、次の3回の内容を含めています。この3回において、学部学科ごとの独自の発展的な内容が追加されている場合があります。

  • ●データサイエンス・AIでできること、社会の変化
  • ●データサイエンス・AIの事例、技術
  • ●実データによるデータサイエンス・AIの演習

この3回分の内容については、次の内容での教材を利用可能なように整備しています。

  • ●データサイエンス・AIでできること、社会の変化
    人工知能社会の到来、最新の技術、産業の変化、社会や生活の変化など。
  • ●データサイエンス・AIの事例、技術
    散布図、データの分布や密度、AIによる分類や特徴抽出や生成など。
  • ●実データによるデータサイエンス・AIの演習
    政府統計データ、クロス集計表、相関、平均、誤差の扱い、オープンデータなど。

10.実施体制

本プログラム(リテラシーレベル)を構成する授業科目の開講

 経済学部、人間文化学部、工学部、生命工学部、薬学部、IR室、大学教育センター教員(非常勤を含む)による分担開講を行っています。

ログラムを改善・進化させるための体制

 福山大学大学教育センター数理・データサイエンス・AI教育部門は、数理・データサイエンス・AI教育を統括し、「福山大学数理・データサイエンス・AI教育プログラム(リテラシーレベル)」の改善・進化を担当しています。これは、学生の皆さんが、数理、データサイエンス、AIへの関心を高め、これらを適切に理解し、活用できる能力を高めるための特色あるプログラムです。

 プログラムの自己点検・評価を行う体制(自己点検等のための根拠データの収集並びに評価など)

福山大学大学教育センターでは、全授業科目を対象に実施している授業評価アンケートを活用し、自己点検・評価を実施しています。その他、学内や学外へのアンケート調査等を適宜実施しています。
その他、学生の進路等については、担当部署やクラス担任が把握できる体制としています。

11.福山大学の数理・データサイエンス・AI教育の特色

【教育内容】

  • ●全学レベルのICT教育(デジタルの活用、オンラインのコミュニケーション、情報セキュリティなど)を長年にわたり開講してきた実績があります。多分野、多数の教員で共同で開講していることも特色です。
  • ●デジタルを活用した演習を重視しています。
  • ●ICTやデータサイエンス等の共通的な基礎ならびに経済学、人間文化学、工学、生命工学、薬学の専門性に応じた基礎の両方を教育していることも特色です。その中には、表計算ソフトウエア等も活用しながら、データを見る、データを分析する、データをグラフ化するなどのデータサイエンスの演習などがあります。
  • ●工学部での高度なAI教育の授業を、多年にわたり全学生が受講できるように開講してきた実績もあります。
  • ●令和4年度からは、AIの共通的な基礎、情報倫理、個人情報、プライバシに関する内容を全学必修化する(科目名は「情報処理基礎」)など、教育内容の充実を行っています。

【教育システム】

  • ●令和4年度からは、福山大学大学教育センター数理・データサイエンス・AI教育部門を設置。カリキュラム等を含む教育内容の改善進化の体制を格段に強化します。
  • ●デジタルを活用しています。パソコンに不慣れな初年次はICT教室(約500台)を活用します。BYOD(全学生がノートパソコン類を授業の場に携帯する)も活用します。
  • ●初年次で、情報セキュリティ、パソコンやICT活用に関する基本操作の演習も、全学生に対して実施しています。このことは、BYODの活用にも欠かせません。
  • ●全学にわたり、学習のデジタル化(オンラインのLMS、遠隔授業、ZOOM での双方向遠隔、ポリコムでの遠隔授業、アクティブラーニングでのデジタルの活用)が定着しています。
  • ●全学レベルでの教育のデジタル化、オンライン化を行っています。オンラインでのシラバス、学修状況の管理や学習課題でのデジタルの併用(LMS の全学導入)、オンラインでの授業アンケートのシステムを活用しています。全学生の就職・進路の把握もオンライン活用が進展しています。
  • ●本プログラム(リテラシーレベル)においても、デジタルの教材作成と公開へ向けた準備、国内外のデジタルの教材を活用した先導的な授業の実施検討を行っています。

【令和4、5、6年度(今後3年間の計画)】

  • ●他大学への普及活動は極めて重要であるため、令和3年度内に開始しました。今後も継続できるように検討しています。
  • ●ICTとAIについての基本部分についての教材開発と無償オンライン公開、オンラインのシラバスシステムの活用、全学レベルで実施している授業アンケートの活用などのさまざまな手段により、カリキュラム等の自己点検と改善を行います。
  • ●「数理・データサイエンス。AI教育プログラム認定制度」の「リテラシーレベル」ならびに「応用基礎レベル」における他大学のモデルカリキュラム等を継続調査し、カリキュラム等の改善に活用します。
  • ●ICTとAIの共通的な基礎ならびに経済学、人間文化学、工学、生命工学、薬学の専門性に応じたICTとAIの応用基礎に関する授業内容について、適切な情報公開や情報発信等の措置により、修了者数の確保等を行うことを検討します。
  • ●プログラム修了者数の数値目標について、数値目標の策定などの適切な措置を行います。

福山大学数理・データサイエンス・AI教育プログラム
(応用基礎レベル)を実施するための計画

福山大学数理・データサイエンス・AI教育プログラム(応用基礎レベル)により身に付けることのできる能力、修了要件、開設される授業科目、授業の方法及び内容並びに実施体制を公開することで、当該プログラムの広報、当該プログラムの効果の改善(受講者数増を含む)を行います。

目次

  • 1.教育プログラムの名称
  • 2.本プログラム(応用基礎レベル)の理念、概要
  • 3.本プログラム(応用基礎レベル)において身に付けることのできる能力
  • 4.用語説明
  • 5.開設される授業科目(本プログラム(応用基礎レベル)を構成する授業科目)
  • 6.カリキュラムマップ
  • 7.修了要件
  • 8.授業の方法及び内容

実施体制、福山大学の数理・データサイエンス・AI教育の特色は、本プログラム(リテラシーレベル)と共通する内容なので、本プログラム(リテラシーレベル)のところで説明しています。

1.教育プログラムの名称

 福山大学数理・データサイエンス・AI教育プログラム(応用基礎レベル)

 (以下「本プログラム(応用基礎レベル)」と呼びます)。

2.本プログラム(応用基礎レベル)の理念、概要

 本学では、すべての学生が、望めば大学で、応用基礎レベルの数理・データサイエンス・AIを取得することができます。このことは、国の方針であるAI戦略2022(内閣府)に合致するものです。本プログラム(応用基礎レベル)は、令和3年度に開設されました。特色としては、人工知能の種類、人工知能の歴史、機械学習と深層学習についての基本、その数理的な基礎を体系的に学ぶとともに、プログラミングを交えての演習、人工知能の構築と学習と検証と運用の一連のプロセスの演習等により、課題解決のための実践的能力を向上できることを特色とします。リテラシーレベルと同様に、教育システムのデジタル化とオンライン化として、全学レベルで、遠隔授業等でのデジタルの活用、オンラインのシラバスシステム、演習やアクティブラーニングでのデジタルの活用などを行っていることも特色です。

●令和3年度:本プログラム(リテラシーレベル)の開設

3.本プログラム(応用基礎レベル)において身に付けることのできる能力

(1) 人工知能の数理的基礎に関する基礎的な素養

(2) コンピュータの動作(データ表現、アルゴリズム、プログラミング)の基礎的な素養

(3) 人工知能の歴史、人工知能の種類、人工知能でできることを知る

(4) 機械学習、深層学習に関する基礎

(5) 図やイラストなどによるデータの図示とデータの把握の基礎

(6) 自動分類を行う人工知能を例とした実践を通して、人工知能を構築し、学習し、検証し、運用するまでの一連の流れの理解

(7) 自動分類を行う人工知能を例とした実践を通して、データの取り扱い、人工知能システムの評価に関する基礎の理解

4.用語説明

【応用基礎レベル】

主な要件として、「数理・データサイエンス・AIを活用して課題を解決する実践的能力育成のために必要な知識及び技術を体系的に修得」とされている。

【AI戦略2022】

AI戦略2022(内閣府)では、「文理を問わず、一定規模の大学・高専生(約25万人卒/年)が、自らの専門分野への数理・データサイエンス・AIの応用基礎力を習得」すること」を目標として掲げている。

5.開設される授業科目(本プログラム(応用基礎レベル)を構成する授業科目)

令和3年度およびそれ以降の入学生に対して開講される授業科目(本プログラム(応用基礎レベル)を構成する授業科目)は次の通りです。
「情報処理基礎」、「人工知能」

6.カリキュラムマップ

 数理・データサイエンス・AI教育の応用基礎レベルの学習内容である応用基礎コアⅠ、応用基礎コアⅡ、応用基礎コアⅢについて、下のカリキュラムマップにあるように、情報処理基礎と人工知能の履修により学ぶことができるようにしています。

カリキュラムマップ(令和3年度入学生およびそれ以降)

項目 1年次 3年次
応用基礎コアⅢの基本部分の一部(*) 情報処理基礎
(共通基礎科目、必修)
 
応用基礎コアⅠ、応用基礎コアII、応用基礎コアIIIの内容   人工知能
(自由聴講科目)

(*)令和4年度から、「情報処理基礎」は、応用基礎コアI、応用基礎コアIIの一部内容も含むように、シラバスを改訂しましたが、全体として学習できる内容が減っているということはありません。

共通基礎科目教養教育科目:全学生が履修できます。

自由聴講科目:自由聴講制により、所定の手続きの上で、所属する学部以外の専門教育科目(選択科目)を受講するもので、卒業単位数に合算されます。

7.修了要件

本プログラム(応用基礎レベル)の修了要件は、令和3年度およびそれ以降の入学生については、「6.カリキュラムマップ」に記載の科目をすべて修得することとしています。

表.修了要件(令和3年度およびそれ以降の入学生に適用)

学部 本プログラム(応用基礎レベル)を構成する授業科目
全学部 情報処理基礎、人工知能

8.授業の方法及び内容

(1)情報処理基礎では、応用基礎コアの内容を一部修得できるようにしています。シラバスでもそのように記載しています。

  • ●大学のICT
  • ●情報倫理
  • ●情報セキュリティ
  • ●パソコンの基本操作(電源、パスワード、メニュー、ファイル、フォルダ)
  • ●WEBブラウザの操作
  • ●ICTによる文書作成
  • ●人工知能(令和4年度より)
  • ●データの基礎(令和4年度より)

(2)情報処理基礎は、次の15回分の標準的なシラバスを定めるとともに、全学生の必修科目としています。令和4年度の各回のシラバスは次の通りです。ただし、各部学科ごとの独自の内容が追加されている場合、実施順を変えている場合などがあります。

  • 1.ICTの応用基礎、大学のICT
  • 2.コンピュータの基本
  • 3.コンピュータの操作の実習
  • 4.情報倫理、情報セキュリティ
  • 5.パソコンでの文字入力、キーボードやマウスの操作
  • 6.Windows の機能
  • 7.インターネット、WEBブラウザ、電子メールのマナー
  • 8.ファイル
  • 9.プライバシ、個人情報
  • 10.人工知能(活用領域、社会的課題、能力と限界)
  • 11.データの基礎(活用例、活用領域、留意事項、表形式データ、データの図解、グラフ、データの分析と数理)
  • 12.ICTに関する実習(1)※ シラバスにおいては、実習の詳細内容等が追記されています。
  • 13.ICTに関する実習(2)※ シラバスにおいては、実習の詳細内容等が追記されています。
  • 14.ICTに関する実習(3)※ シラバスにおいては、実習の詳細内容等が追記されています。
  • 15.総合演習 ※ シラバスにおいては、実習内容等が追記されています。

(3)人工知能は、次の15回分の標準的なシラバスを定めるとともに、全学生が履修可能な自由聴講科目としています。令和4年度の各回のシラバスは次の通りです。

  • 1.データサイエンス・AIでできること、社会の変化(人工知能社会の到来、最新の技術、産業の変化、社会や生活の変化など)
  • 2.データサイエンス・AIの事例、技術(散布図、データの分布や密度、AIによる分類や特徴抽出や生成など)
  • 3.実データによるデータサイエンス・AIの演習(政府統計データ、クロス集計表、相関、平均、誤差の扱い、オープンデータ)]
  • 4.データと機械学習 テキスト(オンラインで配布公開している)の該当箇所を読んでおくこと。
  • 5.ニューラルネットワーク、結合の重み、フィードフォワード,予測、学習
  • 6.最適化、学習と検証、ニューラルネットワークの学習不足と過学習
  • 7.コンピュータでの画像データの扱い、人工知能による画像分類
  • 8.画像からの物体検出、顔検出、画像のセグメンテーション
  • 9.ニューラルネットワークによる画像生成
  • 10.自然言語処理,ベクトル,単語の特徴ベクトル,単語の類似度,類似検索
  • 11.状態空間表現
  • 12.総当たりによる探索
  • 13.パス,木,発見的探索
  • 14.プロダクションシステム,プロダクションシステムでの知識表現と推論エンジン
  • 15.Prolog

資料