基本情報/Basic Information

開講科目名 ／Class	人工知能Ⅱ／Artificial Intelligence Ⅱ
授業コード ／Class Code	B601691001
ナンバリングコード ／Numbering Code	DSCc402
開講キャンパス ／Campus	ﾎﾟｰﾄｱｲﾗﾝﾄﾞ
開講所属 ／Course	経営学部／Business Administration
年度 ／Year	2024年度／Academic Year
開講区分 ／Semester	後期／AUTUMN
曜日・時限 ／Day, Period	木1(後期)／THU1(AUT.)
単位数 ／Credits	2.0
主担当教員 ／Main Instructor	金澤　拓也／KANAZAWA　TAKUYA
遠隔授業 ／Remote lecture	No

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
金澤　拓也／KANAZAWA　TAKUYA	経営学部／Business Administration

授業の方法 ／Class Format	対面授業（講義）
授業の目的 ／Class Purpose	本講義は，経営学部のＤＰに示す，「企業を始めとした多様な組織の事業計画・経営戦略の策定に必要なデータを収集し，意思決定に必要な課題をシステマティックに分析し，合理的な解決を図るのに必要な知識や技能を修得する」ことを目指す。 本科目は「人工知能Ⅰ」に引き続き，社会における様々な課題とそれを解くための人工知能（AI）技術について解説する。したがって「人工知能Ⅰ」の内容を理解していることが望ましい。 AIは確かに進歩が著しいが，あらゆるタスクをこなせるAIは未だに存在せず，あくまでも自らが直面する課題ごとに適切な種類のAIを注意深く選択する必要があること，また，AIを正しく利活用するためにはそもそも前提としてビジネス等のドメイン知識を深く身につけなければならないことについて，理解を促すような講義を行っていく。 なお，この科目の担当者は，総合電機メーカーでAIとデータサイエンスの産業応用について研究開発を行った実務経験のある教員である。講義においては，営利企業の現場におけるAI活用の難しさや面白さについても言及しながら，深みのある学びへと繋げていきたい。
到　達　目　標 ／Class Objectives	・分類タスクと回帰タスクの定義について説明できる。 ・AIを用いた世の中のさまざまなサービスや製品について，表面的な宣伝に惑わされず，本質的な価値とリスクを考察することができる。 ・AIの利活用に関する新聞や雑誌のニュースに興味を持ち，わからない点は自分で参考書やインターネットを用いて調べることができる。
授業のキーワード ／Keywords	人工知能，機械学習，深層学習（ディープラーニング），予測，データサイエンス，統計，情報，数理，コンピュータ
授業の進め方 ／Method of Instruction	パワーポイントの投影による講義を中心に行う。
履修するにあたって ／Instruction to Students	講義資料は学習支援システムであるMoodleを通じて適宜配布する。できるだけ遅刻・欠席をしないこと。
授業時間外に必要な学修内容・時間 ／Required Work and Hours outside of the Class	復習と課題で１時間程度の授業時間外学習が目安である。
提出課題など ／Quiz,Report,etc	レポート課題については授業中に指示する。
成績評価方法・基準 ／Grading Method・Criteria	中間テスト（33.3%），レポート（33.3％），定期試験（33.3％）の割合で評価する。
テキスト ／Required Texts	特に指定しない。
参考図書 ／Reference Books	・谷口忠大　『イラストで学ぶ人工知能概論　改訂第２版』　講談社　2020年　2,860円 ・岡嶋裕史，吉田雅裕　『はじめてのAIリテラシー』　技術評論社　2021年　1,848円 ・野口竜司　『文系AI人材になる ― 統計・プログラム知識は不要』　東洋経済新報社　2019年　1,760円 ・小高知宏　『人工知能入門　第２版』　共立出版　2023年　2,640円 ・赤穂昭太郎ほか　『応用基礎としてのデータサイエンス』　講談社　2023年　2,860円

No.	回 ／Time	主題と位置付け ／Subjects and position in the whole class	学習方法と内容 ／Methods and contents	備考 ／Notes
1	第1回	ガイダンス	授業内容の概略，成績評価方法，授業のルールを説明。 上期開講科目「人工知能Ⅰ」の内容を振り返る。
2	第2回	回帰分析と最小二乗法	線形回帰や多項式回帰などを導入し，結果の解釈について学ぶ。
3	第3回	クラス分類入門	メールを迷惑メールとその他に振り分けるような，便利なクラス判定をしてくれるAIの仕組みについて学ぶ。
4	第4回	時系列データ入門	店舗の売上データや気象データのような，時間的に連続する系列データの扱いの基礎を学ぶ。
5	第5回	AIにできること，できないこと	学習するAIにできること，できないことを知る。AIと不確実性，汎化。
6	第6回	AIモデルのアンサンブル	複数のAIを組み合わせるというテクニックを学ぶ。
7	第7回	データで読む因果関係（１）	因果関係と相関関係の違いを学ぶ。前者をデータから読み取るにはどうすればよいか学ぶ。
8	第8回	データで読む因果関係（２）	因果関係と相関関係の違いを学ぶ。前者をデータから読み取るにはどうすればよいか学ぶ。
9	第9回	シミュレーションとAI（１）	現象のモデリング，シミュレーションとAIの関係を考える。
10	第10回	シミュレーションとAI（２）	近年の進歩を学ぶ。
11	第11回	人の脳から深層学習へ	近年AIの中心技術となっている深層学習（ディープラーニング）について入門的事項をおさえる。
12	第12回	深層学習のすごさと課題	深層学習によってできるようになったこと，まだ難しいこと，を整理して考える。
13	第13回	AIの出力は人間に解釈できるか？	人間が理解し，解釈できるようなAIとは何かを学ぶ。
14	第14回	AIの最近の話題	最近のトピックの中から，生成AIなどいくつか特に重要なものを学ぶ。
15	第15回	まとめ	本講義の内容について総括する。