- 学部・研究科
Faculty/Graduate School - 経
- 時間割コード
Course Code - 30618
- 科目名
Course title
サブテーマ
Subtitle - 経済情報処理論
- 授業形態/単位
Term/Credits - クラス
Class -
- 春/2
- 担任者名
Instructor - 谷田 則幸
- 曜限
Day/Period - 火2
- 授業概要
Course Description
到達目標
Course Objectives -
授業種別 / Teaching Types
<春>
講義（対面型）
言語 / Language
<春>
日本語(Japanese)授業概要 / Course Description
<春>
本講は、大学生が身に着けておくべきAIリテラシー（AI・データサイエンスに関する基礎知識）、すなわち、データサイエンス・AIを日常の生活、仕事等の場で使いこなすことが出来る基礎的素養、を主体的に身に付けることを内容とする。
世の中では、AI（人工知能）、DX（デジタルトランスフォーメーション）、データサイエンスなどの言葉が飛び交っています。レイ・カーツワイルは「2029年にAIが人間並みの知能を備え、2045年に技術的特異点が来る」（いわゆる、シンギュラリティ（技術的特異点））と提唱し、仕事の多くがAIにとって変わられる、とか、多くの意思決定がデータサイエンスによりなされる、とも言われています。シンギュラリティの到来については意見の分かれるところですが、少なくとも言えることは、AIやデータサイエンスをきちんと知り（AIリテラシー）、それらを使いこなす側に回れば、そのような危惧は払拭される、ということでしょう。
政府が2019年に発表した「AI戦略2019」では、4つの戦略目標が定められ、その一つとしてAI人材を育成るるための教育改革が挙げられています。その内容としては、小・中・高・大のすべての学校に対し、例えば、「数理・データサイエンス・ＡＩ」の基礎的リテラシーの修得（高等学校）や初級レベルの履修（文理を問わず大学・高専）ができるようにカリキュラムを見直すことが示されています。
本講では、数理・データサイエンス教育強化拠点コンソーシアムの「数理・データサイエンス・AI（リテラシーレベル）モデルカリキュラム」（2020年4月）に準拠し、数理・データサイエンス・ＡＩの初級レベルを学習することにより、「今後のデジタル社会において、数理・データサイエンス・AIを日常の生活、仕事等の場で使いこなすことができる基礎的素養を主体的に身に付けること」や「学修した数理・データサイエンス・AIに関する知識・技能をもとに、これらを扱う際には、人間中心の適切な判断ができ、不安なく自らの意志でAI等の恩恵を享受し、これらを説明し、活用できるようになること」を目指します。
学位授与方針との関係 / Related Diploma Policy
<春>
（経済学部）
1.知識・技能
① 国際化と情報化の進展する現代にあって、社会に生じる多様な問題を総合的に理解できる幅広い教養を有している。
② ①の問題の解決策を経済学の立場から提示できる、あるいはその内容について経済学の基本原理及び専門知識を活用し理解できる。
2.思考力・判断力・表現力等の能力
①経済学に関する幅広い知識を活かして溢れる情報の中から真に必要な情報を取得する能力、グローバルな視野を持って時代を切り拓くための国際性を身に付けている。
3.主体的な態度
自身の役割に責任を持ち、他者と協働しながら経済学を体系的に修得している。そして、経済が直面する課題を自ら発見し、その解決に向けて主体的に取り組み、社会に積極的に貢献しようと努力できる。
到達目標 / Course Objectives
<春>
①知識・技能の観点
・AIリテラシーの基礎を修得する
②思考力・判断力・表現力等の能力の観点
・社会におけるデータ・AI利活用のためのポイントとその方法を理解し実践する
・データリテラシーを理解し実践する
③主体的な態度の観点
・自らの学習を振り返り、適切な改善点を挙げることができる
授業手法 / Teaching Methods
- 授業計画
Course Content -
授業計画 / Course Content
<春>
第1回 AIリテラシーとは
第2回 社会でどのような変化が起きているか
第3回 社会でどのようなデータが活用されているか
第4回 データ・AIを何に使えるか
第5回 データ・AIの技術
第6回 データを読み、説明し、扱う
第7回 データ・AIを扱うときに注意すること
第8回 データ・AIにまつわるセキュリティ
第9回 統計と数学の基本
第10回 アルゴリズムとは何か
第11回 データの構造とプログラミング
第12回 データを上手に扱うには
第13回 時系列データと文章データの分析
第14回 データ活用実践（教師あり学習と教師なし学習）
第15回 まとめ
授業時間外学習 / Expected work outside of class
<春>
各回の講義内容が定着するよう、指示をしたMOOC教材などを利用して復習しておくこと。
- 成績評価の方法・基準・評価
Grading Policies /
Evaluation Criteria -
方法 / Grading Policies
<春>
定期試験を行わず、平常試験(小テスト・レポート等)で総合評価する。
小ﾃｽﾄ・リアクションペーパー(50%)､ﾚﾎﾟｰﾄ(50%)
基準・評価 / Evaluation Criteria・Assessment Policy
<春>
①知識・技能の観点
・AIリテラシーの基礎を説明することが出来る
②思考力・判断力・表現力等の能力の観点
・社会におけるデータ・AI利活用のためのポイントとその方法を理解し実践することが出来る
・データリテラシーを理解し実践することが出来る
③主体的な態度の観点
・自らの学習を振り返り、適切な改善点を挙げることができる
- 教科書
Textbooks <春>
岡嶋 裕史、吉田 雅裕 『はじめてのAIリテラシー (基礎テキスト)』 （技術評論社） 4297120380
備 考 / Note=====================================
<春>
-
参考書
References <春>
伊本 貴士 『ビジネスの構築から最新技術までを網羅 AIの教科書』 （ 日経BP） 4296102842
浅岡 伴夫 他 『AIリテラシーの教科書』 （東京電機大学出版局） 4501557508
保本 正芳 『はじめの第一歩 基礎からはじめるデータサイエンス』 （noa出版） 490843476X
備 考 / Note=====================================
<春>
- フィードバックの方法
Feedback Method <春>
- 担任者への問合せ方法
Instructor Contact <春>
関大LMSの「メッセージ」機能
- 備考
Other Comments <春>
基本的には講義形式で進めますが、必要に応じて部分的にPC操作を行うことがあります。また、講義資料の配布、およびリアクションペーパー・小テスト・レポートの提出はすべて関大LMSを利用します。
学内外を問わず操作を行うためには、自身の利用環境を確保することが望ましく、BYODを推奨します。