シラバス参照

年度

2026

講義コード

12808201

講義名

データサイエンスとAI

担当教員

小椋　則樹

配当年次

３・４年

単位数

講義期間

前期

授業形態

演習/対面型

ナンバリング

IM-SFC-AD-311

授業の概要

本授業は、データサイエンスとAIを基礎から学び、データを根拠に考え、判断し、説明する力を養うことを目的とする。現在、日常生活においてデータとAIの利用が拡大し、根拠に基づいた説明可能な意思決定が求められている。その一方で、AIの出力を鵜呑みにした誤った判断や、データの偏りによるリスクも増大している。
そこで、授業の前半では、データの種類、記述統計、可視化、相関分析といった基礎的な手法を扱う。Excelなどの身近なツールを用いた実習を通じて、分析の手順と結果の読み取り方を体得する。後半では、機械学習と生成AIの仕組みを概念的に学ぶ。それぞれの得意な点と不得意な点、誤りが生じる理由などを理解する。各回の授業は基本的に、講義と実習の順で進める。これを通じて、AIに任せるべき部分と人が判断すべき部分を明確にする力を養う。
受講にあたり、統計やプログラミングの事前知識は不要である。授業で扱うデータは、アンケート結果、購買データ、公開統計など身近なものであり、受講者自身が問いを立てて分析することを体験する。生成AIは分析手順案や要約案の作成に活用する。最終回には小規模なプロジェクトを実施し、分析結果の限界と次に取るべき対応策を発表する。本授業は、学んだ内容を日常生活や将来の実務にすぐに活かせる、実践的な力を養う授業である。

この科目の到達目標

・身近なデータをExcelなどで整理・可視化し、統計的な観点から結果を解釈し、根拠をもって説明できる。
・相関や回帰分析の結果について、予測と説明の違い、分析の限界を理解し、過度な一般化を避けた判断ができる。
・AIおよび生成AIの仕組みと限界を理解し、出力を鵜呑みにせず、人が担うべき判断と責任を意識して活用できる。

成績評価の方法


授業出席、授業外学習、小テスト、提出課題により総合的に評価する。

評価方法	割合	評価のポイント

授業出席	50 %	授業の出席状況と関与度合いから評価する。

授業外学習	20 %	受講ノートの内容を評価する。受講ノートは授業内で指定する。

小テスト	10 %	授業内容の理解度を評価する。

提出課題	20 %	自らの考え、説明の論理性、根拠など総合的に判断し評価する。

定期試験	0 %	実施しない。

（合計）	100 %	_

授業項目


	週	授業項目

	1.	ガイダンス

	2.	データの種類と前処理

	3.	記述統計

	4.	ばらつきと分布

	5.	データ可視化

	6.	相関と因果

	7.	推測統計

	8.	仮説検定の使いどころ

	9.	回帰分析①

	10.	回帰分析②

	11.	AIの基礎構造

	12.	生成AIの特徴と限界

	13.	AIと人間の役割分担

	14.	総合演習