| No. | 内容 | Content |
第1回
|
AI小史と思惟方法(1)
AI小史を概説し、第一次産業革命（狩猟革命）から第四次産業革命（Society 5.0、データ駆動型社会、認識革命）を俯瞰し、データサイエンスが生活実態の背景にある学問分野であることを示す。
推論方法（決定論と確率論，帰納法と連想法）と学習について概説し、とくに帰納的推論が経験にもとづく推論（データ駆動型の思考法）で実社会や日常生活における知識や情報を拡張するために用いられることを示す。そして帰納的推論学習がデータ駆動による機械学習で自動化されていることを説明する。
|
Inferences, Computers and A Brief History of AI(1)
An overview of the history of AI and the place data science occupies in that history. Next, An overview of the period from the first industrial revolution (hunting revolution) to the fourth industrial revolution (recognition revolution) will be introduced. The fact that data science supports the reality of life is taught. We outline reasoning methods (Determinism and probability, induction and association) and learning and explains that inductive reasoning is able to be used to extend real-world knowledge and information through empirical reasoning. Next, we explain how automated inductive reasoning learning is calculated by data-driven machine learning.
|
第2回
|
AI小史と思惟方法(2)
（1回目の続き）
|
Inferences, Computers and A Brief History of AI(2)
Continued from the previous class.
|
第3回
|
表象と特徴量(1)
本学学生に身近な外国語学習や機械翻訳などを取り上げ、記号表現の違いが意味の違いに及ぼす要因を考察する。各種の機械学習のデータの解釈手段と違いを示した上で、自然の対象・現象の分析のデータだけでなく、社会活動，文化活動，経済活動など日常生活の広い範囲にわたる活動において社会問題解決の手段や手法に特徴量分析の考え方が必要であることを示す。
|
Representations and Features(1)
Automated foreign language learning and translation, which are familiar to students of this university, will be taken up. Then the factors that cause differences in symbolic expressions to have different meanings will be discussed. After explaining the ways and differences of interpretation of various kinds of machine learning data, we teach that the concept of feature quantity analysis is necessary not only for the analysis of natural objects and phenomena but also for the analysis of artificial activities such as social, cultural and economic activities.
|
第4回
|
表象と特徴量(2)
（3回目の続き）
|
Representations and Features(2)
Continued from the previous class.
|
第5回
|
特徴量とその表現(1)
データの種類（質的データ，量的データ）やその特徴を説明し、データ操作の方法を示す。深層学習（人工ニューロン）におけるデータの役割を説明し、自動分類や将来予測や正誤判断にデータ駆動の考え方が利用されていることを概説する。そのうえで、ビジネスや日常生活における機械学習を利用するシステムの適用分野を、具体的な機械学習の適用事例と利用される個別技術を併せて説明する。
|
Features and Data(1)
The types of data (qualitative data, quantitative data) and their characteristics will be outlined. We will explain how to manipulate the data and the role of data in artificial neurons and outline the use of data for classification and judgment. We then give an explanation of the application of machine learning in social life.
|
第6回
|
特徴量とその表現(2)
（5回目の続き）
|
Features and Data(2)
Continued from the previous class.
|
第7回
|
データの操作(1)
データサイエンス分野のデータ操作で不可欠な線形代数や行列の基礎概念（スカラー，ベクトル、マトリックス）を説明する。身近な事例（テキストアナリティクスなど）を通じてデータの扱い方を概説する。また、BIツールを具体例に挙げてデータの読み方や効果的なデータ表現の手法を紹介する。
|
Working with Data(1)
The basic concepts of linear algebra and matrix (scalar, vector, matrix), which are essential for data manipulation in the field of data science, will be explained. Through familiar examples (calculation of similarity of sentences), we will show that the concept of feature quantity analysis is necessary not only for data of analysis of natural objects and phenomena but also for analysis of artificial activities such as social, cultural and economic activities.
|
第8回
|
データの操作(2)
（7回目の続き）
|
Working with Data(2)
Continued from the previous class.
|
第9回
|
社会で活用されるデータ(1)
画像や動画分析、音声認識や音声合成、機械翻訳といった要素技術の紹介と、それら技術の社会実装の具体例を画像や動画も用いて示す。外食、アパレル、介護や農業などビジネス分野ごとにデータサイエンスの応用例を挙げる。
AI倫理（個人情報、データ倫理）を考慮し、データ駆動社会における法規（AI社会原則等）についても触れる。同時に情報セキュリティや情報漏洩の話題を挙げて、データを守るという視点を涵養する。
|
Mathematical Models(1)
Introducing fundamental technologies such as image and video analysis, speech recognition and synthesis, and machine translation. Specific examples of social implementation of these technologies are shown using images and videos.
This course will include examples of data science applications in business fields such as food service, apparel, nursing care, and agriculture. Laws and regulations related to AI ethics in a data-driven society will also be discussed.
|
第10回
|
社会で活用されるデータ(2)
（9回目の続き）
|
Mathematical Models(2)
Continued from the previous class.
|
第11回
|
計算の道具とデータの扱い方(1)
プログラミング言語PythonとRの簡単な紹介と、その利用環境であるコンピュータ（Windows OS，Mac OS，Linux OSなど）の基本操作の基本を説明する。幾つかの実例（回帰分析、自己回帰（空間データ）、決定木など）実データを用いたデモンストレーションを通じ、データサイエンスの基本的な活用法に触れる。さらにデータサイエンティスト検定やG検定など資格ガイドも行う。
|
Using Your Computer(1)
A brief introduction to the Python and R programming languages and basics of basic computer operations, the environment we are utilize, are explained. We explains the fundamental functions of Windows OS, Mac OS, and Linux OS, and also provides certification guides such as Data Scientist Test and G-Test.
|
第12回
|
計算の道具とデータの扱い方(2)
（11回目の続き）
|
Using Your Computer(2)
Continued from the previous class.
|
第13回
|
たふDS erとして前進するために
|
Deepen your learning as a TUFS Data Scientist
|
第14回
|
社会活動，文化活動，経済活動など人工の活動とそれら活動の中に現れるデータの調査（演習）
|
Exercise(1)
|
第15回
|
人工知能学会／日本科学未来館 「みんなでつくる AI マップ」の学習（批判的評価を行う演習）
|
Exercise(2)
|
※
|
|
|