トルコ野球

toggle navigation お知らせ 共通教育について >共通教育の特徴 >1分で分かる共通教育科目の魅力 >共通教育科目の魅力やユニークさを発信 >卒業要件 >開講科目（PDF） >修得済科目の科目群確認 データリテラシー・AI >学びの特徴 >専門分野の学びとデータサイエンス >受講ガイド 学びの楽しさ発見するゼミ >先輩VOICE >受講者インタビュー >教員から見た魅力 >教員紹介 英語チャレンジコース >コース詳細 >履修モデル　 西宮市大学共通単位講座 履修・受講について >履修する共通教育科目の選び方 >履修登録・抽選の日程と流れ >抽選制度 >受講上の注意 >クラスコード検索 >共通教育Q&A 数理・データサイエンス・AI教育プログラム HOME 数理・データサイエンス・AI教育プログラム このwebサイトは、「データリテラシー・AIの基礎」の授業運営に関する情報を記載しています。 授業内容の詳細については、下部の「学生用受講ガイド」のボタンをクリックしてください。 教育プログラムの名称 教育プログラムの修了要件 実施体制 講義内容 自己点検・評価 学生用受講ガイド 　　 「データリテラシー・AIの基礎」は文部科学省「数理・データ・AI教育プログラム（リテラシーレベル）」に認定されています。 　　 （認定の有効期限：令和9年3月31日まで） （参考）文部科学省「数理・データサイエンス・AI教育プログラム認定制度（リテラシーレベル）」のWebサイト 1.教育プログラムの名称 教育プログラム名称 データサイエンス・AI　リテラシー教育プログラム 　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知識・技能（新たな読み書きそろばん）を習得し、日常や仕事の場で使いこなせるようになることを目標とします。 　・AI・データサイエンスの必要性を説明できる。 　・社会で活用されているデータ・AI活用の事例を示すことができる。 　・データを処理する際の考え方を説明できる。 　・データ・AIを扱う上での留意事項を説明できる。 上に戻る 2.教育プログラムの修了要件 全学必修の共通教育科目「データリテラシー・AIの基礎」（2単位）を修得すること。 上に戻る 3.実施体制 委員会等 役割 データサイエンス・AI教育運営委員会 科目運営、科目改善 データサイエンス学習支援ルーム 学習支援 武庫川女子大学共通教育部　自己評価委員会 プログラムの自己点検・自己評価 武庫川女子大学短期大学部　自己評価委員会 上に戻る 4.講義内容 講義内容は以下の通りです。 授業に含まれている内容・要素 講義内容 （１）現在進行中の社会変化（第４次産業革命、Society 5.0、データ駆動型社会等）に深く寄与しているものであり、それが自らの生活と密接に結びついている 1-1 ・ビッグデータ、IoT 、 AI 、ロボット（1回目） ・データ量の増加、計算機の処理性能の向上、AI の非連続的進化（1回目） ・第4次産業革命、 Society 5.0、データ駆動型社会（2回目） ・複数技術を組み合わせたAIサービス（1回目） ・人間の知的活動とAIの関係性（1回目） 1-6 ・AI等を活用した新しいビジネスモデル(シェアリングエコノミー、商品のレコメンデーションなど)（7回目） ・AI最新技術の活用例（深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など）（4回目） （２）「社会で活用されているデータ」や「データの活用領域」は非常に広範囲であって、日常生活や社会の課題を解決する有用なツールになり得るもの 1-2 ・調査データ、実験データ、人の行動ログデータ、機械の稼働ログデータなど（3回目） ・1次データ、2次データ、データのメタ化（3回目） ・構造化データ、非構造化データ（文章、画像/動画、音声/音楽など）（3回目） ・データのオープン化（オープンデータ）（3回目） 1-3 ・データ・AI活用領域の広がり(生産、消費、文化活動など)（7回目） ・研究開発、調達、製造、物流、販売、マーケティング、サービスなど（7回目） ・仮説検証、知識発見、原因究明、計画策定、判断支援、活動代替、新規生成など（6回目） （３）様々なデータ利活用の現場におけるデータ利活用事例が示され、様々な適用領域（流通、製造、金融、サービス、インフラ、公共、ヘルスケア等）の知見と組み合わせることで価値を創出するもの 1-4 ・非構造化データ処理：言語処理、画像/動画処理、音声/音楽処理など（5回目） ・特化型AIと汎用AI、今のAIで出来ることと出来ないこと、AIとビッグデータ（4回目） 1-5 ・データサイエンスのサイクル（課題抽出と定式化、データの取得・管理・加工、探索的データ解析、データ解析と推論、結果の共有・伝達、課題解決に向けた提案）（6回目） ・流通、製造、金融、サービス、インフラ、公共、ヘルスケア等におけるデータ・AI利活用事例紹介（7回目） （４）活用に当たっての様々な留意事項（ELSI、個人情報、データ倫理、ＡＩ社会原則等）を考慮し、情報セキュリティや情報漏洩等、データを守る上での留意事項への理解をする 3-1 ・ELSI（Ethical, Legal and Social Issues）（14回目） ・個人情報保護、EU一般データ保護規則(GDPR)、忘れられる権利、オプトアウト（14回目） ・データ倫理：データのねつ造、改ざん、盗用、プライバシー保護（14回目） ・AI社会原則（公平性、説明責任、透明性、人間中心の判断）（14 回目） ・データバイアス、アルゴリズムバイアス（14回目） ・データ・AI活用における負の事例紹介（15回目） 3-2 ・情報セキュリティ：機密性、完全性、可用性（15回目） ・匿名加工情報、暗号化、パスワード、悪意ある情報搾取（15回目） ・情報漏洩等によるセキュリティ事故の事例紹介（15回目） （５）実データ・実課題（学術データ等を含む）を用いた演習など、社会での実例を題材として、「データを読む、説明する、扱う」といった数理・データサイエンス・ＡＩの基本的な活用法に関するもの 2-1 ・データの種類（量的変数、質的変数）（8回目） ・データの分布(ヒストグラム)と代表値（平均値、中央値、最頻値）（9回目） ・代表値の性質の違い（実社会では平均値＝最頻値でないことが多い）（10回目） ・データのばらつき（分散、標準偏差、偏差値）（10回目） ・観測データに含まれる誤差の扱い（13回目） ・層別の必要なデータ（12回目） ・相関と因果（相関係数、擬似相関、交絡）（12回目） ・母集団と標本抽出（国勢調査、アンケート調査、全数調査、単純無作為抽出、層別抽出、多段抽出）（13回目） ・クロス集計表、分割表、相関係数行列、散布図行列（11回目） ・統計情報の正しい理解（誇張表現に惑わされない）（8回目） ・不適切なグラフ表現（チャートジャンク、不必要な視覚的要素）（8回目） 2-2 ・データ表現（棒グラフ、折線グラフ、散布図、ヒートマップ）（9回目） ・データの図表表現（チャート化）（8回目） ・データの比較（ランダム化比較試験)（12回目） ・不適切なグラフ表現（チャートジャンク、不必要な視覚的要素）（8回目） 2-3 ・データの集計（和、平均）（8,9,10回目） ・データの並び替え（9回目） ・データ解析ツール（スプレッドシート）（8～13回目） ・表形式のデータ（csv）（3回目） 上に戻る 5.自己点検・評価 武庫川女子大学（令和3年度） 武庫川女子大学短期大学部（令和3年度） 武庫川女子大学（令和4年度） 武庫川女子大学短期大学部（令和4年度） 武庫川女子大学（令和5年度） 武庫川女子大学短期大学部（令和5年度） 上に戻る 6.学生用受講ガイド 学生向けの情報をまとめたページを設けています。 　　　 令和6年度の学生向け「受講ガイド」はこちらをクリックしてください。 　 上に戻る 武庫川女子大学武庫川女子大学短期大学部共通教育部 © Mukogawa Women's University