シラバス参照
|
シラバス参照
|
| 講義概要/Course Information |
| 科目基礎情報/General Information |
| 授業科目名 /Course title (Japanese) |
総合コミュニケーション科学 | ||
|---|---|---|---|
| 英文授業科目名 /Course title (English) |
Comprehensive Communications Sciences | ||
| 科目番号 /Code |
UEC301s | ||
| 開講年度 /Academic year |
2024年度 | 開講年次 /Year offered |
2/3/4 |
| 開講学期 /Semester(s) offered |
前学期 | 開講コース・課程 /Faculty offering the course |
情報理工学域 |
| 授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
| 科目区分 /Category |
実践教育科目 | ||
| 開講類・専攻 /Cluster/Department |
先端工学基礎課程 | ||
| 担当教員名 /Lecturer(s) |
山田 祥之 | ||
| 居室 /Office |
B棟1階 先端工学基礎課程 事務室 | ||
| 公開E-mail |
internship1@fp.uec.ac.jp | ||
| 授業関連Webページ /Course website |
なし | ||
| 更新日 /Last update |
2024/03/26 11:19:04 | 更新状況 /Update status |
公開中 /now open to public |
| 講義情報/Course Description |
| 主題および 達成目標（2,000文字以内） /Themes and goals（up to 2,000 letters） |
「総合コミュニケーション科学」とは、本学が独自に提唱する科学技術の新しい基本概念であり、人と人、人と社会、人と自然、人と人工物、人工物と人工物など、あらゆるモノやコトの豊かなコミュニケーションを支柱として、社会に存在する様々な境界線を越えようという哲学でもある。人間知と機械知の高度な融合によってあらゆる人間が快適に共生できる社会（超スマート社会）を目指すものである。 本科目では総合コミュニケーション科学を考える際に基盤となる知識のうち、下記を身につける。 １ 総合コミュニケーション科学が目指す多様性溢れる社会 ２ 総合コミュニケーション科学の基盤技術としてのデータサイエンス技術 ３ 総合コミュニケーション科学の基盤技術として人工知能技術 これらの基礎知識を習得し、今後本学において総合コミュニケーション科学を追求する基礎を得ることが達成目標である。 |
|---|---|
| 前もって履修 しておくべき科目（1,000文字以内） /Prerequisites（up to 1,000 letters） |
なし |
| 前もって履修しておくこ とが望ましい科目（1,000文字以内） /Recommended prerequisites and preparation（up to 1,000 letters） |
なし |
| 教科書等（1,000文字以内） /Course textbooks and materials（up to 1,000 letters） |
なし |
| 授業内容と その進め方（2,000文字以内） /Course outline and weekly schedule（up to 2,000 letters） |
本科目は昼間主科目の「総合コミュニケーション科学」と合同で進める形式のオンデマンド授業主体の科目です。毎回資料を提示し、課題を課すので期限までに提出すること。 ただし、第2週～第4週（4/20・4/27・5/11）は先端工学基礎課程（以後K課程と呼ぶ）オリジナルの内容となり、土曜日5限に新C403教室にて対面授業を開講します。 第1週（オンデマンド） ガイダンス：ダイバーシティについて、Society 5.0、データサイエンス活用事例 グーグルクラスルームに登録の上、指示に従ってください。 ---以下、K課程オリジナルの内容 第2週（4/20★対面授業） K課程生の横のつながりから総合コミュニケーション科学を考える 第3週（4/27★対面授業） 研究室紹介 第4週（5/11★対面授業） K課程生の縦のつながりから総合コミュニケーション科学を考える ---以下、昼間主と合同によるオンデマンド授業 第5週 データサイエンスの基礎１：データ分析の進め方、仮設検証サイクル、Pythonの基礎 第6週 データサイエンスの基礎２：ビッグデータの収集と蓄積、ビッグデータの活用事例、pandas によるデータ集計の基礎 第7週 データサイエンスの基礎３：データ分析に役立つ関数やメソッド、順列、組合せ、条件付き確率 第8週 データサイエンスの基礎４：データの集計、代表値、分散、標準偏差 第9週 データサイエンスの基礎５：データの可視化、相関係数、ICTの進展、クラウドサービス 第10週 データサイエンスの基礎６：モデルの精度とは何か、データ駆動型社会 第11週 データサイエンスの基礎７：AIの学習と推論、評価、再学習、決定木モデルの作成 第12週 データサイエンスの基礎８：回帰モデルの作成、機械学習 第13週 人工知能技術の基礎１：深層学習、ニューラルネットワークの原理、教師あり学習、教師なし学習、強化学習 第14週 人工知能技術の基礎２：AIの歴史、推論、探索、エキスパートシステム、強いAI、弱いAI、ゲーム情報学 第15週 人工知能技術の基礎３：AI倫理、AIの社会的受容性、プライバシー保護、個人情報の取り扱い、自然言語処理、量子コンピュータ |
| 実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
|
| 授業時間外の学習 （予習・復習等）（1,000文字以内） /Preparation and review outside class（up to 1,000 letters） |
各期間で定められた課題を実施してください。 |
| 成績評価方法 および評価基準 （最低達成基準を含む） （1,000文字以内） /Evaluation and grading （up to 1,000 letters） |
毎回の課題を期限内に提出することを前提とし、おおむね70%程度の点数をもって合格とする。 |
| オフィスアワー： 授業相談（1,000文字以内） /Office hours（up to 1,000 letters） |
授業相談については公開E-Mailまでご連絡ください。 |
| 学生へのメッセージ（1,000文字以内） /Message for students（up to 1,000 letters） |
K課程オリジナルの第2週は社会人のキャリア教育としての内容を取り扱います。キャリア教育の講義に加えて、小グループによるディスカッションを通じて、相互のキャリアから学びあいます。K課程生同士がディスカッションできる機会は限られるため、この機会を有意義に活用してください。 また、K課程オリジナルの第3週・第4週はK課程卒業生が授業に参加しての内容となります。 学修上の注意点や学生生活のポイント、今後の進路についてなど、K課程の先輩学生からの知見を豊富に得られ、また直接質問等も行えるため、積極的に対面授業へ参加してください。 なお、時間割の重複等により土曜日5限の対面授業に参加できない学生については、公開E-Mailまでご連絡ください。 |
| その他 /Others |
第2週～第4週（4/20・4/27・5/11）、土曜日5限の対面授業の教室は新C403です。 |
| キーワード /Keywords |
総合コミュニケーション科学、データサイエンス、人工知能、機械学習、ダイバーシティ |