| 
					 
 教員名 : 名児耶 厚 
						
  | 
				
					 科目名 
							IoT・AIとプログラミング 
							担当教員名 
							名児耶 厚 
							ナンバリング 
							SAi2006 
							学科 
							2020〜2023年度 大学 社情デザイン学部 社情デザイン学科 2年 
							学年 
							2年 
							開講期 
							2022年度後期 
							授業形態 
							講義 
							単位数 
							2単位 
							実務経験の有無 
							無 
							実務経験および科目との関連性 
							無 
							ねらい 
						①科目の性格 
							本科目は社会情報デザイン学科の領域科目群・情報領域の選択科目である。近年重要な技術となってきているIoT・AIに関する基本的な知識の習得を目指し、そしてその動作環境構築に必要なプログラミングの技術・知識や構築・使用の過程を学ぶ。 
							②科目の概要 
							環境構築に用いるPythonプログラミングの基本から、データの扱い、諸機能の呼び出しなどを実際の作成を通して学んでいく。さらにIoT・AIの基本概念を理解することを目指し、環境構築や動作確認を通して体験しながら身に付ける。 
							③授業の方法(ALを含む) 
							PCを用いた実技を交えながら講義・解説を行い、作成物・結果などを提出していく。授業内の演習も課題の一部として行い、授業に参加し作成演習を行うことがそのまま課題にもつながるようにする。不具合の修正や編集・拡張を通して理解を深め、復習や確実なスキル修得につなげる。 
							ミニテスト/リアクションペーパー/実技、実験/レポート/創作、制作 
							④到達目標 
							1. コンピュータ・プログラミングの基本を理解し、必要な環境構築へとつなげられる。 
							2. 基盤となる概念を理解し、必要な処理や機能の組み込み・呼び出しができる。 3. 複雑なデータの処理・管理についての基本を理解し、コンピュータを使って操作できる。 4. AIの基盤的知識を理解し、コンピュータを使って実装し動作させることができる。 ⑤ディプロマ・ポリシーとの関係(右の資質・能力を育成することを目的とする) 
							SA①-2 情報活用技術の修得 
							第1回 
							
						事前学習 
							シラバスを読み、科目の性格、概要等を確認しておく。 
							自分の受講環境・使用するPCについて把握する。 90分 
							授業内容 
							ガイダンス、オリエンテーション、基礎知識、環境設定【実技】【リアクションペーパー】 
							事後学習・次回事前学習 
							[事後学習] 
							説明内容を振り返り、疑問点等を整理し、必要に応じて質問する。 [次回事前学習] 自分の受講環境を確認し、必要に応じて機材の確認や準備を行う。 180分 
							第2回 
							
						授業内容 
							受講環境・作成環境の設定・構築【実技】【ミニテスト】【リアクションペーパー】 
							事後学習・次回事前学習 
							[事後学習] 
							今回までの内容を復習し、授業時に不十分と感じた項目は教員への質問なども行いながら確認しておく。 [次回事前学習] 必要な導入作業や動作確認を済ませておく。 180分 
							第3回 
							
						授業内容 
							Pythonの基礎、値と変数【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第4回 
							
						授業内容 
							値のまとまり、複数の値をセットで扱う【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第5回 
							
						授業内容 
							構文、分岐や繰り返し【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第6回 
							
						授業内容 
							関数・ライブラリ、機能の組み込みと呼び出し【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第7回 
							
						授業内容 
							解析対象となるデータの管理【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第8回 
							
						授業内容 
							データの取得と解析【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第9回 
							
						授業内容 
							AIの仕組みからシンプルなモデル作成へ【実技】【ミニテスト】【レポート】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第10回 
							
						授業内容 
							総合的な作成演習へ:機能の組み込みと準備【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第11回 
							
						授業内容 
							総合作成演習:分類・グループ化を行う【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第12回 
							
						授業内容 
							総合作成演習:未知の値や情報の予測【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第13回 
							
						授業内容 
							総合作成演習:AIで使われる予測手法【実技】【ミニテスト】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第14回 
							
						授業内容 
							総合作成演習:データから学習する【実技】【ミニテスト】【創作、制作】 
							事後学習・次回事前学習 
							[事後学習] 
							授業時に不十分と感じた項目の復習と未達成項目を進める。 [次回事前学習] 提示する課題を行い、前回までの範囲を復習しておく。 180分 
							第15回 
							
						授業内容 
							学習範囲のまとめ、全体を通しての確認【ミニテスト】【創作、制作】 
							事後学習 
							全体を通しての復習を行い、理解を深める。 
							理解不足と感じる項目を再確認する。 90分 
							フィードバック 
							解説を兼ねた課題の解答配布・説明を翌週以降に行う。それを元とした修正・拡張や情報収集・調査につなげ、再提出の機会を設けるなどして各回の実技や課題を複数回行うことで復習の徹底・理解の定着を目指す。 
							評価方法および評価の基準 
							全体では各回・単元ごとの課題の提出(70%)と授業内での演習への取り組み(30%)とし、60点以上を合格とする。 
							到達目標ごとの配分は次の通りとする。 1. 課題の提出(20%/70%)・授業内実習への取り組み(10%/30%) 2. 課題の提出(15%/70%)・授業内実習への取り組み(5%/30%) 3. 課題の提出(15%/70%)・授業内実習への取り組み(5%/30%) 4. 課題の提出(20%/70%)・授業内実習への取り組み(10%/30%) 教科書 
							
						書名 
							著者 
							出版社 
							ISBN 
							備考 
						つくってマスターPython 機械学習・Webアプリケーション・スクレイピング・文書処理ができる! 
							掌田津耶乃 
							技術評論社 
							978-4-297-11034-5 
							推薦書・参考文献 
							
						履修上の助言、教員からのメッセージ 
							教科書については初回授業時に、参考書については授業の中で適宜紹介します。 
							 |