2026年度 (最新) 学位プログラムとして特別に設けた教育課程学位プログラムとして特別に設けた教育課程データサイエンス・AI全学教育機構

応用実践データサイエンス・AI第三B

開講元: データサイエンス・AI全学教育機構
担当教員: 新田克己 / 横田孝義 / 宮﨑慧 / 奥村圭司 / 橘優太朗 / 三宅美博 / 佐久間淳 / 小野功 / FERNANDO DE ARAUJO PAULO / MESSAOUDI MEHDI / 森孝夫 / CHATTERJEE SOURISH / ERMAKOV PAVEL / PELLEGRINI FABIO
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): 水7-8
クラス: -
科目コード: DSA.P432
単位数: 100
開講時期: 2026年度
開講クォーター: 3Q
シラバス更新日: 2026年9月17日
使用言語: 英語

シラバス

授業の目的（ねらい）、概要

この授業科目は、人工知能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。各回の授業において、建築、IT、金融、材料等のさまざま分野の企業の講師がデータサイエンスや人工知能を用いた技術開発や商品開発の事例を紹介する。
幅広い分野におけるデータサイエンスや人工知能技術の応用事例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内容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。
この授業科目では企業講師との対話を重視しており、7回の授業の他に、原則として11月下旬に大岡山キャンパスで開催されるDS&AIフォーラムに参加するものとする。

到達目標

この授業科目は、データサイエンスと人工知能の社会実装に関する理解を深め、受講生が実社会において活躍する能力を高めることを目標にしている。講義は英語で実施される。

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)

この授業科目は楽天グループ株式会社、株式会社デンソー、株式会社竹中工務店、第一三共株式会社、東京科学大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、製造業、建築業、製薬会社、機械学習、データ利活用

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

この科目はZoomによるオンライン型講義である。

授業計画・課題

	授業計画	課題
第1回	大規模Webサービス構築のためのTips and Tricks	本講義では、Webスケーラビリティに関する重要な概念について学びます。分散システムにおける一般的な用語、サービス成長に伴う変化や影響、そして高トラフィックなWebサービス・分散データ・スケーラブルな組織に対応するための戦略について理解を深めます。
第2回	Agentic AI時代のサイバーセキュリティ ― 未来を守るために	サイバー脅威が日々高度化する中、サイバーセキュリティの専門家は、組織を守るという使命を果たすために、常に新たな工夫と革新を求められています。本講演では、サイバーセキュリティの基礎について解説するとともに、Agentic AIの登場が業界にもたらした新たな視点や課題について考察します。
第3回	Agentic AIにおける逆問題と解空間	逆問題と解空間という視点から、Agentic AIにおける問題解決を学ぶ。
第4回	建設現場でロボットとフィジカルAIが出会う：ゼネコンから見たフィジカルAI	本講義では、建設業界におけるフィジカルAIの最近の発展について説明します。また、ゼネコンの視点から見たフィジカルAIに関する情報や取り組みについても紹介します。
第5回	製薬におけるエビデンス創出のための因果推論手法	本講義では、エビデンス創出における因果推論の役割について解説します。ランダム化比較試験（RCT）と観察研究の双方を取り上げ、臨床研究のデザインおよび解析において因果推論がいかに重要であるかを説明します。さらに、因果関係に関する哲学的な視点や、他分野における事例についても紹介します。
第6回	AIだけでは答えられない問い：データから信頼できる意思決定へ	生成AIは流暢な回答を生成できますが、組織には共通の定義、信頼できる根拠、適切な統制、責任ある意思決定者が必要です。「顧客は何人いるか」という一見単純な問いを題材に、信頼できるデータおよびAIシステムがどのように構築されるかを解説します。
第7回	企業におけるデータサイエンス・AI活用のケーススタディー	本講義では、企業のAI活用を支援するAIコンサルタントの視点から見た、企業におけるデータサイエンス・AIの活用事例と課題を学ぶ。

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，配布資料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

指定しない。

参考書、講義資料等

講義資料は事前にScience Tokyo LMSに掲載する。

成績評価の方法及び基準

期末試験は実施しない。毎回の課題レポートと11月下旬に予定されているDS&AIフォーラムの参加レポートにより評価する。なお、欠席した回の講義の課題レポートを提出することはできない。もし提出されたとしても、採点されないので注意すること。

履修の条件・注意事項

博士後期課程の方はDSA.P632「応用実践データサイエンス・AI発展第三B」を受講すること。

連絡先 (メール、電話番号) ※”[at]”を”@”(半角)に変換してください。

新田克己，横田孝義　　
lecture_ap[at]dsai.isct.ac.jp

オフィスアワー

メールで事前予約すること。

その他

・本授業科目はアントレプレナーシップ科目とみなせる専門科目である。本科目が対応するGAはGA0M・GA1Mである。
・本科目は2023年度まで開講していた実践AI・データサイエンスC2(XCO.T495-2)に対応している。実践AI・データサイエンスC2を学部のときに履修した方は、本科目を履修申告すること。また、大学院で実践AI・データサイエンスC2を履修した方は本科目を履修することはできない。