2022年度 学院等開講科目 情報理工学院 専門科目
実践AI・データサイエンスC 2
- 開講元
- 専門科目
- 担当教員
- 村田 剛志 / 小野 功 / 新田 克己 / 小林 隆夫 / 長橋 宏 / 三宅 美博 / 増元 浩 / 小山 暢之 / ZHENMING SHUN / 土本 剛義 / 岡 敏生 / 井川 甲作 / 今井 敬 / 遠藤 孝之 / 岡崎 良孝 / 室井 俊一 / 柏谷 篤
- 授業形態
- 講義 (ライブ型)
- メディア利用科目
- -
- 曜日・時限
(講義室) - 金9-10
- クラス
- 2
- 科目コード
- XCO.T495
- 単位数
- 100
- 開講時期
- 2022年度
- 開講クォーター
- 3Q
- シラバス更新日
- 2025年7月10日
- 使用言語
- 日本語
シラバス
授業の目的（ねらい）、概要
この授業科目は、AIやデータサイエンス技術の社会実装の現状と最先端技術を理解し、それらの技術の応用可能性と課題を考察することを目的としている。2クラスの授業において、金融業、IT通信業、製造業、重工業、建築業等の分野における技術開発や商品開発の動向や課題を解説する。
到達目標
この授業科目は、様々な分野のAIやデータサイエンス技術に関する知識を獲得し、課題レポートによって社会応用に関する考察や新たな着想を説明することによって、受講生が実社会において活躍する広い視野を得ることを目標にしている。
実務経験のある教員等による授業科目等
実務経験と講義内容との関連 (又は実践的教育内容)
この授業科目は（クラス1）ブリヂストン、日本特殊陶業、パナソニック、三井信託銀行、富士通、三菱UFJ銀行、（クラス2）第一三共、日本電気、トッパン、コマツ、清水建設の講師により実務経験に基づく講義を行う。
キーワード
データサイエンス、AI、製薬、フィンテック、製造業、建築業、機械学習、データ利活用、新事業開発
学生が身につける力
- 専門力
- 教養力
- コミュニケーション力
- 展開力 (探究力又は設定力)
- 展開力 (実践力又は解決力)
授業の進め方
第1回～第7回：講義
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | Data Science in Pharma Industries | 患者データを観測・解析し、健康に影響を与える要因を制御する臨床研究の概要と薬品開発に用いられるデータサイエンスを紹介する。 |
| 第2回 | Challenges and Opportunities in Oncology Drug Development ---A statistical Point of View | ガンの治療のための近年の様々な試みとそのためのデータサイエンスの役割について述べる |
| 第3回 | 司法のDX化とLegalTechの現状 | 我国の裁判制度のIT化（オンライン裁判、裁判記録の電子化など）やLegalTechとよばれる法律実務における新しいサービスの動向（オンライン契約、契約書チェック、判決予測など）、およびそれらにおけるAI技術の活用について紹介する |
| 第4回 | 凸版印刷のDXにおけるデータサイエンス・AIの活用について | 本講義では、印刷事業における画像／文書系の研究開発と製造系データ分析／ソリューション開発事例から、学術界での研究がどのように産業界の中に導入されていくのか、に加えて製造業におけるデータ活用の理解・習得を目指す |
| 第5回 | 建設向けソリューション、スマートコンストラクションを支える技術（AI、3D、WEB開発） | スマートコンストラクションは建設業向けソリューションであり、2022年7月現在20,000を超える建設現場に導入されている。スマートコンストラクションでは、顧客ニーズの迅速な取り組みを行うために自社開発を進めており、特に3D技術、WEB開発、統計的機械学習という分野に力を入れている。本講義では、顧客視点でのプロダクト開発、それを支える内製化技術（3D、WEB、ML）、Saas Plus a Boxについて実際のビジネスでの利用状況を紹介する。 |
| 第6回 | デジタルゼネコンのデジタル戦略とデータ活用について | 冒頭で清水建設の中期デジタル戦略を説明する。 それを構成する「ものづくりをデジタルで」「デジタルな空間・サービスを提供」「ものづくりを支えるデジタル」の分野ごとに、データ活用事例を紹介し、ディスカッションを行う。 |
| 第7回 | データ分析の実用化とその課題 | 機械学習アルゴリズムは年々進化し、高性能なデータ分析プログラムを効率的に開発できるようになってきた。しかし、それを事業の現場に適用し、継続的に稼働させるためには様々な課題がある。それらの課題について、事例とともに紹介する。 |
準備学修(事前学修・復習)等についての指示
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する 予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
なし
参考書、講義資料等
講義資料は事前にT2SCHOLAに掲載し、Zoom講義の画面でも共有する
成績評価の方法及び基準
各回に提出を求める小レポート等を総合して評価する
関連する科目
- XCO.T487 ： 基盤データサイエンス
- XCO.T488 ： 基盤データサイエンス演習
- XCO.T489 ： 基盤人工知能
- XCO.T490 ： 基盤人工知能演習
- XCO.T483 ： 応用AI・データサイエンスA
- XCO.T484 ： 応用AI・データサイエンスB
- XCO.T485 ： 応用AI・データサイエンスC
- XCO.T486 ： 応用AI・データサイエンスD
履修の条件・注意事項
実践AI・データサイエンスC-1とC-2の両方の単位を取得することはできない（両方の講義を聴講することは可能）。データサイエンス・AI特別専門学修プログラムの履修学生を優先することがある。
C-1とC-2の人数のバランスをとるため、C-2への申告もよろしくお願いします。C-1とC-2の人数に大きな差が出たときは、一部の学生さんにクラス変更をお願いすることがあります。
その他
スライド配布とレポート受付はT2SCHOLAによって行う。詳細は以下のサイトを参照のこと。
https://sites.google.com/view/tokyotechdsai/jissen