シラバス参照

科目名／Course title

理学部データサイエンスⅢ／Data Science Ⅲ

担当教員（所属）／Instructor

幸山直人(理学部)

授業科目区分／Category

専門教育科目　横断科目

授業種別／Type of class

講義科目

地域課題解決型人材育成プログラム科目／COC+Course
※平成28年度入学者から適用

時間割コード／Registration Code

146903

ナンバリングコード
／Numbering Code

開講学期／Semester

2025年度／Academic Year　第4ターム／Term 4

開講曜限／Class period

木/Thu 4

対象所属／Eligible Faculty

理学部理学科数学プログラム／School of Science Department of Science Program of Mathematics ,理学部理学科数学プログラム国際コース／School of Science Department of Science ,理学部理学科数理情報学プログラム／School of Science Department of Science Program of Mathematics and Informatics ,理学部理学科数理情報学プログラム国際コース／School of Science Department of Science ,理学部理学科物理学プログラム／School of Science Department of Science Program of Physics ,理学部理学科物理学プログラム国際コース／School of Science Department of Science ,理学部理学科化学プログラム／School of Science Department of Science Program of Chemistry ,理学部理学科化学プログラム国際コース／School of Science Department of Science ,理学部理学科生物科学プログラム／School of Science Department of Science Program of Biological Science ,理学部理学科生物科学プログラム国際コース／School of Science Department of Science ,理学部理学科自然環境科学プログラム／School of Science Department of Science Program of Natural and Environmental Sciences ,理学部理学科自然環境科学プログラム国際コース／School of Science Department of Science

対象学年／Eligible grade

2年 ,3年 ,4年

単位数／Credits

教室／Classroom

五福共C21番教室

MoodleコースURL
／Moodle course URL

https://moodle52.u-toyama.ac.jp/course/view.php?idnumber=2025_146903

各種教育プログラム1／Various educational programs1

各種教育プログラム2／Various educational programs2

各種教育プログラム3／Various educational programs3

DS（レベル3・理学部）・情報科目

各種教育プログラム4／Various educational programs4

各種教育プログラム5／Various educational programs5

SDGsとの関連／Related SDGs

更新日／Date of renewal	2025/02/17
授業のねらいとカリキュラム上の位置付け（一般学修目標）／Course Objectives	近年、AIという言葉が持てはやされ、AIは大きな社会現象となり、私たちの生活中にも数多く取り入れられるようになった。この講義では、コンピュータの仕組や数学的な理論を含めつつ、データサイエンスの観点からAI技術(機械学習・深層学習：ディープラーニング)の概念と基礎理論について学習する。
達成目標／Course Goals	AIという漠然とした言葉でなく、AI技術の概念や基礎理論を論理的に説明できるようになる。また、AI技術を関連付けてデータサイエンスを考察できるようになる。
授業計画（授業の形式、スケジュール等）／Class schedule	講義と演習を交互に繰り返しながら、授業を進行する。第　1回　オリエンテーション＋AIとは第　2回　 k近傍法第　3回　線型モデルと確率モデル第　4回　機械学習(1) 第　5回　機械学習(2) 第　6回　深層学習(1) 第　7回　深層学習(2) 第　8回　まとめ＋授業評価
授業時間外学修（事前・事後学修）／Independent Study Outside of Class	事前学修：前回の授業内容を復習しておくこと（１時間程度）。事後学修：板書した内容をしっかり理解し、授業で示した具体例を計算できるようにしておくこと（３時間以上）。
キーワード／Keywords	AI，k近傍法，機械学習，深層学習（ディープラーニング）
履修上の注意／Notices	単位認定のために丸暗記するのではなく、理論や歴史的背景など、データサイエンスおよびAIに興味をもって受講してもらいたい。
教科書・参考書等／Textbooks	■教科書・参考書に関するその他通信欄教科書：スライドやプリントを使用するため、教科書は指定しない。参考書：インターネット上にある情報を活用する。
成績評価の方法／Evaluation	授業の最後にレポートを提出してもらい、そのレポートの優劣により評価する（100点；100％）。

No.	回（日時）／Time (date and time)	主題と位置付け（担当）／Subjects and instructor's position	学修方法と内容／Methods and contents	備考／Notes
該当するデータはありません

使用言語／Language	日本語
アクティブ・ラーニングの実施／Active learning	実施なし
アクティブラーニングの実施内容／Contents of Active learning
実務経験教員科目／Work Experience teacher's subjects
データサイエンス科目／Data Science subjects
他学部・他研究科等学生の履修可否／	不可

更新日／Date of renewal	2025/02/17
授業のねらいとカリキュラム上の位置付け（一般学修目標）／Course Objectives	近年、AIという言葉が持てはやされ、AIは大きな社会現象となり、私たちの生活中にも数多く取り入れられるようになった。この講義では、コンピュータの仕組や数学的な理論を含めつつ、データサイエンスの観点からAI技術(機械学習・深層学習：ディープラーニング)の概念と基礎理論について学習する。
達成目標／Course Goals	AIという漠然とした言葉でなく、AI技術の概念や基礎理論を論理的に説明できるようになる。また、AI技術を関連付けてデータサイエンスを考察できるようになる。
授業計画（授業の形式、スケジュール等）／Class schedule	講義と演習を交互に繰り返しながら、授業を進行する。第　1回　オリエンテーション＋AIとは第　2回　 k近傍法第　3回　線型モデルと確率モデル第　4回　機械学習(1) 第　5回　機械学習(2) 第　6回　深層学習(1) 第　7回　深層学習(2) 第　8回　まとめ＋授業評価
授業時間外学修（事前・事後学修）／Independent Study Outside of Class	事前学修：前回の授業内容を復習しておくこと（１時間程度）。事後学修：板書した内容をしっかり理解し、授業で示した具体例を計算できるようにしておくこと（３時間以上）。
キーワード／Keywords	AI，k近傍法，機械学習，深層学習（ディープラーニング）
履修上の注意／Notices	単位認定のために丸暗記するのではなく、理論や歴史的背景など、データサイエンスおよびAIに興味をもって受講してもらいたい。
教科書・参考書等／Textbooks	■教科書・参考書に関するその他通信欄教科書：スライドやプリントを使用するため、教科書は指定しない。参考書：インターネット上にある情報を活用する。
成績評価の方法／Evaluation	授業の最後にレポートを提出してもらい、そのレポートの優劣により評価する（100点；100％）。

使用言語／Language	日本語
アクティブ・ラーニングの実施／Active learning	実施なし
アクティブラーニングの実施内容／Contents of Active learning
実務経験教員科目／Work Experience teacher's subjects
データサイエンス科目／Data Science subjects
他学部・他研究科等学生の履修可否／	不可

授業情報／Course information