Subject Name
|
データサイエンス入門
|
Charge Teacher
|
龍 昌治
|
Lectures target
|
|
Class
|
TA
|
Lecture Room
|
豊橋校舎教室
|
Course Time
|
春学期
|
Day・Period
|
時間外
|
Unit Classification
|
|
科目種別
|
講義
|
Unit Count
|
2
|
Matter of prepare
|
|
Notes
|
|
テーマ Theme
|
AI・データサイエンスに関して興味・関心を持ち、AI時代に身に付けておくべき素養を習得する。
|
概要 Synopsis
|
本授業では、広い様々な視点からAI・データサイエンスに関して基礎的な知識を習得し、日常の生活や仕事で使いこなすための素養を身につける。そのために、授業で分からない単語等については、本やネットで調べながら学習をする。
|
到達目標 Aim
|
AI・データサイエンスの必要性を説明できる。
|
授業形態 Class style
|
講義形式(オンデマンド型):全てオンライン上で学習する。動画コンテンツを視聴・学習し、各週ごとに用意されている小テストを受けること。
|
使用言語 Language(s)
|
日本語のみ Japanese only
|
アクティブ・ラーニングActive Learning
|
|
内容・スケジュール Contents, schedule
|
第1回 イントロダクション 第2回 社会で起きている変化 第3回 社会で活用されているデータ 第4回 データ・AIの活用領域 第5回 データ・AI利活用のための技術 第6回 データ活用とは 第7回 データ・AI利活用の現場 第8回 データ・AI利活用の最新動向 第9回 データを読む(1) 第10回 データを読む(2) 第11回 データを説明する 第12回 データを扱う 第13回 データ・AIを扱う上での留意事項(1) 第14回 データ・AIを扱う上での留意事項(2) 第15回 データを守る上での留意事項とまとめ
|
準備学習・事後学習 Preparation, review
|
<準備学習>PC操作の基礎を身につけておくこと。また、授業のテーマに即して調査しておくこと。 <事後学習>用語などについて復習をし、小テストを受けておくこと。
|
準備学習・事後学習の時間
|
準備学習2時間 事後学習2時間(2単位科目)
|
学外授業 Outside activities
|
実施しない
|
成績評価の方法と基準 Evaluation&criteria
|
平常評価(100%) ■毎回の小テスト(30%):毎回のテーマについて理解できているかを基準とする。 ■4回程度の Excel の演習(30%):Excel を利用したデータ分析を行えるかどうかを基準とする。 ■最終テスト(40%):AI・データサイエンスの基本的な事項について理解できているかを基準とする。
|
定期試験期間中の試験実施方法 Exam period
|
定期試験期間中には筆記試験を実施しない。No exams are required during the exam period.
|
課題(試験やレポート等)に対するフィードバックの方法
|
授業終了後、全体的な講評、模範解答等をメール等で配信する。
|
テキスト Textbooks
|
(株)ベネッセコーポレーション作成のデジタル教材を使用。 なお、受講者が教材を使用できるようにこちらで登録し、利用方法については別途連絡をする。
|
参考図書 References
|
必要に応じて適宜紹介する。
|
リンク Link
|
|
Moodleへのリンク Moodle URL
|
https://lms.aichi-u.ac.jp/2024/course/view.php?id=2189
|
関連する科目、履修者への要望など Requests, etc
|
|
学位授与方針(ディプロマ・ポリシー)と授業科目の関連
|
各授業科目は、各学部・学科・研究科の定める学位授与方針(ディプロマ・ポリシー)と教育課程の編成・実施方針(カリキュラム・ポリシー)に基づき、カリキュラム上に配置されています。学位授与方針と各授業科目との関連については、カリキュラム・マップに掲載されています。カリキュラム・マップでは、科目毎に到達目標を示し、それらの到達目標が、DPとCPに基づき設定された学習・教育目標、国際理解、地域理解・地域貢献のどの項目と関連するのかを示します。https://www.aichi-u.ac.jp/profile/concept#b-712470
|
SDGsとの関連 Related SDGs
|
|