| (1)授業の達成目標 | | 授業で得られる「学位授与の方針」要素 | ⇔ | 【授業の達成目標】 | | 大学ＤＰ | | 学士の称号にふさわしい基礎学力と専門的学力 | ⇔ | 人工知能技術を実現する初歩的なプログラムを実行し，その結果を読み取れる |
|
| (2)授業の概要 | データサイエンスリテラシー授業で扱っている例題の背景にあるデータサイエンスの技術を幅広く体験し，各技術が何を行えるのかを読み取って行きます．
具体的にはオンライン環境のGoogle Colaborationを利用し，データサイエンスの各種話題を扱うPythonプログラムにより学習を進めながら，基本的なアルゴリズム，統計学，自然言語処理，音声および画像処理の基礎について学んでいきます．
Google Colaboratoryを利用するのに必要な環境はブラウザだけであり，各自のPCなどに特別なアプリケーションを導入する必要はありません．
毎回の授業では，演習プログラムの実行にもとづく課題提出があります．しかし，そこで要するスキルは，授業提供された例題の指定箇所を変更するだけであり，学習者が一人で自立的にプログラミングできることを要請しません．
注意
・一人でプログラミングができるまでの深い学習を，授業では行いません．
・一人で統計学を扱えるまでの深い学習を，授業では行いません．
|
| (3)授業のキーワード | 課題発見，論理的思考，データにもとづく判断 |
| (4)授業計画 | 1．ガイダンス
2--4．Pythonの利用および基本的アルゴリズムの学習
5--7．統計学の基礎
8--10．統計学の応用
11--12．自然言語処理
13--14．音声と画像処理
15．まとめ
期末試験はありません． |
| (5)成績評価の方法 | 毎回の授業に対する課題として，フォーラムやワークショップ（掲示板の一種）を通じた数百文字程度までのレポートをeALPS上で実施し，これにもとづき評価します．また授業に相応しい良い質問をすることに加点します．
100点満点と考えるとき，レポート90点前後，良い質問20点前後の配分です．ただし100点は超えません． |
| (6)成績評価の基準 | レポートの多くで合格点をとれば「その水準にある」，課題のほとんどで合格点をとり，さらに課題の多くで上にある水準の得点をとれば「やや上にある」，課題のほとんどで上にある水準の得点をとれば「かなり上にある」，その上で，授業に相応しい良い質問を授業の最中にできれば「卓越している」．
期末試験は行いません． |
| (7)事前事後学習の内容 | 毎回の授業においては，eALPS上に指示のある復習すべき内容をもとに課題が提供，そして実施されます．
復習すべき学習レベルの参考に，授業回ごとの練習問題も提供されます．
人工知能利用で変わりつつある私達の社会に関わる話題の中から，みなさんの日常に関係する話題も随時紹介して行きますので，興味をもっていろいろな記事を読むようにしてください．
※この授業は90時間の学修を必要とする内容です。従って，60時間以上の時間外学習が必要となります。 |
| (8)履修上の注意 | 第1週授業で行うガイダンスの内容に関してはeALPS上に資料があります．
受講制限が必要な場合，松本キャンパス以外の学生を優先します．また松本キャンパス在学生においては，受講希望者が多い場合，学部バランスを考慮して抽選により受講者を決定します．
予習は必要ありませんが復習は必須です．オンデマンド教材ですが，毎週の締め切りがあります．受講者はペースコントロールに留意してください．
Google Colaboratoryの利用支援は第2週まで対応します．以降は相談対応しません．
|
| (9)質問,相談への対応 | eALPS上の掲示板およびメール szkjiro@shinshu-u.ac.jp によります．研究室を尋ねる際もメールによる事前連絡で時間調整をお願いします． |
| (10)授業への出席 | オンデマンド授業であり課題提出は必須ですが授業出席評価はありません． |
| (11)授業に出席できない場合の学修の補充 | オンデマンド授業であり配慮はありません． |
| 【教科書】 | 指定しない |
| 【参考書】 | 辻真吾他「ゼロからはじめるデータサイエンス入門」講談社，2021年
馬場真哉「Pythonで学ぶあたらしい統計学の教科書第2版」翔泳社，2022年
皆本晃弥「Pythonによる数理・データサイエンス・AI」サイエンス社，2023年 |
| 【添付ファイル】 |
なし |