基本情報/Basic Information

開講科目名 ／Course	特殊講義b(AI入門b)／SPECIAL LECTURE B (INTRODUCTION TO AI B)
ナンバリングコード ／Numbering Code	【済】21-1036 【営】22-1023 【環】23-1025
開講所属 ／Course Offered by	経済学部／ECONOMICS
ターム・学期 ／Term・Semester	2025年度／2025 Academic Year　　秋学期／FALL SEMESTER
曜限 ／Day, Period	水4／Wed 4
開講区分 ／semester offered	秋学期／Fall
単位数 ／Credits	2.0
学年 ／Year	1,2,3,4
主担当教員 ／Main Instructor	横塚　志行
遠隔授業科目 ／Online Course	－

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
横塚　志行	経営学科／MANAGEMENT

授業の目的・内容 ／Course Objectives	・講義の目的と目標 現代のビジネス環境では、多くの先進企業がAIを経営戦略に組み込む重要性を認識しており、AIに関する人材の育成が急務とされています。本講義（AI入門aとb）を通じて、受講者は人工知能の全体像を把握し、AI構築の基礎知識を習得できます。また、一般社団法人日本ディープラーニング協会（JDLA）が提供するG検定（AIジェネラリスト）の資格に必要な基礎知識の多くを身に付けることも可能です。 ・春学期（AI入門a） 春学期では、人工知能の基本的な概念、歴史、多岐にわたるトピックを学ぶとともに、生成AIや産業界での実際の事例について解説します。特に、近年進化が著しい生成AI（テキスト生成、画像生成など）の概要に焦点を当てます。また、Pythonなどのプログラミングを必要としないノンコーディングAIの実践を通じて、手軽にAIを構築する体験も行います。 さらに、人工知能には解決すべき多くの課題が存在することを踏まえ、AIが引き起こす倫理的な問題やプライバシーの懸念、各国のAI政策について議論する場を設け、深い洞察を促します。 ・秋学期（AI入門b） 秋学期では、まず、Python言語の基本的な使い方を学びます。さらに、春学期に学んだ基礎的な知識をもとに、教師あり学習、教師なし学習、ディープラーニングなど主要な機械学習プログラムの演習を通じて、AIの仕組みを実践的に理解します。 ・学科方針との連携 本講義は、経営学科の学位授与方針（DP）に基づき、情報処理の原理や情報技術の重要性を学生に理解させることを目指します。また、カリキュラム･ポリシー（CP）における情報系専門科目として、情報技術に関する専門的知識を提供するとともに、将来の実務経験にも役立つ内容を配慮して構成しています。
授業の形式・方法と履修上の注意 ／Teaching method and Attention the course	初回講義において、学習する内容、講義の進め方、成績の評価方法などを説明する。 本講義は、以下の前提を想定している。 ・PCを操作しながら授業を進めることがあるので、自分が所有するPCを持参しPCの操作ができることこと。 ・春学期の特殊講義a(AI入門a)とのセットの学習を想定しており、人工知能の基礎的な知識だけでなく人工知能の実現方法の基礎を習得できる。したがって、是非AI入門abを併せて受講してほしい。 ・プログラム言語pythonの基礎の習得を行う。 ・アルゴリズム紹介の際には平易な数学的表現を利用し理解を促すように解説するが、pythonコーディングでは数学の理解が必要なコーディングは行わない。 ・pythonに関する課題およびpythonを用いた平易な機械学習の課題を提示する。 ・課題提示に対するフィードバックは、授業中に適宜解説を行う。 ・各学期の最終授業でまとめとして期末テストを実施する。 ・全学年を対象としている。
事前・事後学修の内容 ／Before After Study	事前事後の学習時間は合計４時間である。 講義参加者は、事前学習として事前提示予定のレジュメを事前に読んでおいてほしい（２時間）。 事後学習は、授業ノートなどを目を通し内容を理解を促進してほしい（１時間）。 上記以外にも、AIに関する記事等を日常的に入手しておきAIの動きを把握してほしい(1時間)。
テキスト1 ／Textbooks1	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト2 ／Textbooks2	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
テキスト3 ／Textbooks3	書籍名 ／Title 著者 ／Author name 出版社 ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等1 ／References1	書籍名/ｻｲﾄ名 ／Title ディープラーニングG検定公式テキスト第二版 著者 ／Author name 日本ディープラーニング協会 出版社/URL ／Publisher 翔泳社 ISBN ／ISBN その他（任意） ／other
参考文献等2 ／References2	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
参考文献等3 ／References3	書籍名/ｻｲﾄ名 ／Title 著者 ／Author name 出版社/URL ／Publisher ISBN ／ISBN その他（任意） ／other
評価方法 ／Evaluation	各学期の最終授業で総復習の位置づけで期末テストを実施する。 なお、評価比率は出席および課題提示(40-50%程度)とテスト(50-60%程度)と想定している。
関連科目 ／Related Subjects	特殊講義a(AI入門a) 特殊講義a(データサイエンス入門a) 特殊講義b(データサイエンス入門b) 現代社会１(数理・データサイエンス・AI)
備考 ／Notes
到達目標 ／Learning Goal	経済・経営・環境分野の現場で活躍する人々の講演を通じて、それらの現場の実態および今後の展望等について理解・分析し、見解を提示できるようにする。
DPとの関連 ／Relation to DP	【19カリ・済】---------- △:幅広い教養 【19カリ・営】---------- △:幅広い教養 △:経営分野での専門的知識 【24カリ・済】---------- △:幅広い教養 【24カリ・営】---------- △:幅広い教養 △:経営分野での専門的知識 【24カリ・環】---------- △:幅広い教養

回 ／Time	授業計画（主題の設定） ／Class schedule	授業の内容 ／Contents of class	事前・事後学修の内容 ／Before After Study
1	オリエンテーション	授業の進め方を共有する
2	python1	Pythonの基本操作を学習する	事前：レジュメの一読 事後：講義ノートの確認
3	python2	Pythonの制御構造と関数を学習する	事前：レジュメの一読 事後：講義ノートの確認
4	python3	pythonのデータ構造とファイル操作を学習する	事前：レジュメの一読 事後：講義ノートの確認
5	python4	クラスとオブジェクト指向について学習する	事前：レジュメの一読 事後：講義ノートの確認
6	python5	pythonoの代表的なライブラリのnumpy,pandas,matplotlibについて学習する	事前：レジュメの一読 事後：講義ノートの確認
7	単回帰分析	単回帰分析の理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
8	重回帰分析	重回帰分析の理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
9	決定木/ランダムフォレスト	決定木/ランダムフォレストの理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
10	ロジステック回帰	ロジステック回帰の理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
11	k平均法	ｋ平均法の理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
12	ディープラーニング	ディープラーニングの理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
13	CNN	CNNの理解を深めるとともにコーディングを行う	事前：レジュメの一読 事後：講義ノートの確認
14	まとめ	まとめ