先端データ科学特論

Advanced Lecture for Frontiers in Data Science

ー

講義科目

情報科学研究科

1年

KIIDD7MCA1

2.0単位

講義 (Lecture)

2024年度前期

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、湯本 高行、川向 肇、円谷 友英、大島 裕明

情報科学研究科

日本語

目標9

アポイントメントに応じて行う

ー

2◎／1〇

ー

ー

いわゆるビッグデータを活用することにより、業務改善、ビジネスモデルの創出など新たな価値創造に向けた動きが加速している。この中で、データの生成、蓄積、分析等において情報科学が重要な役割を果たしており、理論から社会への応用まで幅広く研究されている。本講義では、データ駆動型社会を支えるデータ科学に関する最先端の研究及び情報技術の動向を解説するとともに、実社会における課題解決や価値創造の応用事例について紹介する。

到達目標：
データ駆動型社会を支えるデータ科学に関する最先端の研究及び情報技術の動向や実社会における課題解決や価値創造の応用事例について、自分自身の研究と関連付けて説明が出来るようになること。

（木庭淳）
　ネットワークにおける価格安定化問題を紹介する。この問題は経済学の分野ではミクロ経済学における需要・供給曲線として有名であるが、マルチエージェントの考え方を用いて考察する。
（西出哲人）
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について、経営情報システム論の動向を紹介する。情報通信システムの実装過程を想定して、社会や組織が直面する課題について議論する。
（藤江哲也）
最適化技術を用いた課題解決プロセスの理解を深めるため、数理最適化分野における最近の研究を理論およびモデリングを中心に紹介する。
（川嶋宏彰）
コンピュータビジョンやマルチモーダルインタラクションにおける機械学習手法の応用事例について紹介する。
（笹嶋宗彦）
実社会におけるAI導入やディジタルトランスフォーメーションについて、知識工学の観点から講義する。実社会における知的活動を電子化したり、さらに付加価値を与えたりするために必要な知識の記号化について、事例を中心に説明する。
（古隅弘樹）
公的統計分野における調査情報の利活用をテーマとして取り上げ、オープンデータへの取り組み、個票情報の研究利用、分析事例などについて紹介する。
（東川雄哉）
不完全情報下で意思決定を行うための理論的枠組みとして「オンライン最適化問題」を概観する。この問題では、完全情報下での最適な意思決定と比較してどれだけ悪い意思決定となり得るか、を示す指標が最小化される。本講義では特に、オンライン最適化の代表的指標である「競合比」と「リグレット」について紹介する。
（玉置卓）
大規模データ処理に有用な劣線形時間アルゴリズムを紹介する。劣線形時間アルゴリズムとは入力データ長nよりはるかに短い計算時間で近似解を求めるアルゴリズムのことをいう。
（山本岳洋）
検索エンジンを人々が利用することで得られるデータの分析について紹介する。 人々の検索行動を収集・分析することで社会全体としての動向の理解や予測がで きるだけでなく一人一人の興味を追うこともできる。さまざまな研究事例を交え ながら、行動データの収集や分析の考え方について学ぶ。
（湯本高行）
テキストデータを対象とした分析手法について解説する。特に、ニューラルネッ
トワークを用いた自然言語処理について扱い、その応用についても紹介する。
（大島裕明）
ウェブ情報からの知識発見とその応用についての研究を紹介する。ウェブという 様々な人がコンテンツを発信する場において、検索技術などを利用することで知 識を発見することが可能である。発見された知識は、生きた知識ということがで き、その応用範囲は多岐にわたると考えられる。
（円谷友英）
入力を合理的とされる処理により出力に変換する意思決定システムに対して、意思決定を支援するという立場から入出力と処理の在り方を再考し、あいまいな現実問題を直感的に捉えられるようにする意思決定支援システムを紹介する。
(川向肇)
空間情報科学におけるビッグデータの利用やオープンデータの作成と公開、利用に伴って考慮すべきデータ処理と集計問題などについて考察する
（宮崎修一）
 選好リストに基づいて配属を決定する「安定マッチング問題」と呼ばれる組合せ問題を紹介する。問題の定義や応用について触れ、アルゴリズム理論・計算量理 論の観点から研究動向を紹介する。

＜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。

なし

授業中に適宜指示する。

事前に，各講師のトピックや研究内容について調査しておくこと．目安は2時間．
事後には，講義内容をまとめること．必要に応じて質問し講義内容を確認すること．目安は2時間．

講師毎に，講義内容に応じて，グループディスカッションや，グループワークによる課題を課すことがある．

成績評価の基準：

データ科学の先端的な研究動向を理解し、各自の研究テーマへの応用を考察できる者に単位を授与する。講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に応じてSからCまで成績を与える。

成績評価の方法：

各回の演習の成果物とそのレポートを100％として、受講態度（積極的な質問等）を含めて総合的に評価する。

毎回の講義において，学生とディスカッションを行い，その中でフィードバックを行う．
必要に応じて，講義後に，成績に関する質問があった場合，個別にフィードバックを行う．

・授業中に指示した宿題や事前・事後学習はもとより、「講義内容・授業計画」に記載したテキスト等の該当箇所などについて、十分な予習・復習をして講義に出席すること。

・当授業は、商科キャンパスから情報キャンパスへ配信する授業形態であり、配信側となる商科キャンパスの履修者は対面授業となりますが、受信側となる情報キャンパスの履修者は遠隔授業となります。なお、配信映像は両キャンパスに設置しているモニターに映し出されますので、履修者各自が端末を持参する必要はありません。

該当しない