![]() 教員名 : 笹嶋 宗彦
|
授業科目名
データ科学セミナー
(英語名)
データ科学セミナー
科目区分
ー
講義科⽬
対象学生
情報科学研究科
学年
1年
ナンバリングコード
KIIDD7MCA1
単位数
2.00単位
ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の?から別途マニュアルをダウンロードしてご確認ください。
授業の形態
講義 (Lecture)
開講時期
2024年度後期
担当教員
笹嶋 宗彦、木庭 淳、西出 哲人、藤江 哲也、古隅 弘樹、東川 雄哉、川嶋 宏彰、玉置 卓、山本 岳洋、照山 順一、宮崎 修一、土方 嘉徳、湯本 高行、川向 肇、円谷 友英、大島 裕明
所属
情報科学研究科
授業での使用言語
日本語
関連するSDGs目標
目標9
オフィスアワー・場所
別途指⽰する
連絡先
別途授業で⽰す
対応するディプロマ・ポリシー(DP)・教職課程の学修目標
二重丸は最も関連するDP番号を、丸は関連するDPを示します。
学部DP
ー
研究科DP
2◎/1〇
全学DP
ー
教職課程の学修目標
ー
講義目的・到達目標
データ科学の研究を進める上で、様々な分野の専⾨家や関係者との議論を通じて研究内容を深く検討し、課題を整理するとともに、新たな解決策を模索できるようなスキルが不可⽋となる。そこで本セミナーでは、⾃らの研究の進捗を他の学⽣及び教員に対して報告し、質疑や討論を通じて実践的なコミュニケーションスキルを⾝に付けるとともに、発表を通じて研究⽅法に関する知識を確実にしながら、他の専⾨分野の研究内容についても聴講することで研究の幅を広げることを目的とする。
到達目標 ⾃らの研究の進捗や計画を他の学⽣及び教員に対して説明できること。 質疑や討論など、実践的なコミュニケーションが出来る事。 自分自身の研究発表と他者の研究発表の聴講を通じて、様々な研究の方法を説明できるようになること。 自分自身の研究を、他の研究と関連付けて説明できるようになること。 授業のサブタイトル・キーワード
講義内容・授業計画
データ科学に関する専門的な研究セミナーに参加し、自身の研究に関する発表や討論を通じてフィードバックを受けるとともに、他の専門家や学生等の研究内容の聴講、質疑および討論を行う。 各受講生の研究分野や専門性を考慮して、以下の候補より組み合わせや回数を調整したうえで、具体的なセミナーのスケジュールについて別途指示する。1. ビッグデータアルゴリズムとその応用 2. 自己安定アルゴリズム・マルチエージェント・ゲーム理論3. 情報通信技術の受容に影響する組織的要因および社会的要因 4. 数理最適化のモデリングおよび大規模問題に対する解法 5. 人間による評価であることを反映した意思決定支援 6. マルチモーダル時系列データの分析と機械学習 7. 空間情報科学及び空間データ解析の手法や研究動向 8. 知識工学と実践的データサイエンス 9. 公的統計の利活用にかかる制度と課題 10. ソーシャルコンピューティング、情報デザインおよびデータマイニング 11. アルゴリズムの理論と応用、および計算理論 12. データマイニングおよび自然言語処理の応用 13. 情報アクセス技術およびユーザ行動分析 14. 理論計算機科学や計算幾何学に基づくオペレーションズ・リサーチの手法 15. 上記の他、データ科学において受講生の研究内容に関わるトピック <生成AIの利用について> ・レポート、小論文、学位論文等については、学生本人が作成することを前提としているため、生成系AIのみを用いて作成することはできません。 教科書
担当教員から別途指⽰する
参考文献
担当教員から別途指⽰する
事前・事後学習(予習・復習)の内容・時間の目安
【復習】
復習(目安各回1時間、計15時間) 研究発表資料の作成(目安45時間) アクティブ・ラーニングの内容
参加するセミナーにおいて、他の学生や教員と議論を行う場を設ける。
成績評価の基準・方法
成績評価の基準:
発表および質疑や討論を通じた実践的なコミュニケーションスキル、および議論を通じて⾃らの研究⽅法の新たな解決策の模索⽅法を⾝につけたものに単位を授与する。 成績評価の⽅法: セミナーにおける発表や質疑、討論を含めて総合的に評価する。 課題・試験結果の開示方法
各担当講義中に、必要に応じて議論内容に対するフィードバックを行う
履修上の注意・履修要件
実践的教育
該当しない
備考
英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。
|