Information Science Seminar I (PBL)

開講年度

2025Year

開講学期

First Semester

科目名

Information Science Seminar I (PBL)

授業種別

Practice

科目名（英語）

Information Science Seminar I (PBL)

授業情報(授業コード・クラス・授業形態)

A1901402 Information Science Seminar I (PBL)

担当教員

ADACHI Setsuko,YASAKI Yoshihito,TACHIBANA Kanta,KITAYAMA Daisuke,MANABE Yoshihumi,TAKEKAWA Takashi,MIKI Yoshio,YAGI Isao,YAMATO Junji

単位数

1.0Credits

曜日時限

Thu.2Period

キャンパス

Shinjuku Campus

教室

学位授与の方針

1 基礎知識の修得 0 ％
2 専門分野の知識・専門技術の修得 60 ％
3 汎用的問題解決力の修得 20 ％
4 道徳的態度と社会性の修得 20 ％

具体的な到達目標

専門知識ならびにその活用方法の理解，プレゼンテーション能力など，講師ごとに到達目標を設定する．

受講にあたっての前提条件

到達目標をよく理解し、高いレベルでの達成を目指す意欲があること

授業の方法とねらい

各教員が指導するセミナー分かれて，データ科学，ＩＴインフラ，経営情報に関する専門的知識やこれからの課題などについて，文献調査，データ分析，課題解決等を通じて理解する．それらは，学生による発表授業の形式またはそれに準ずる形式で行われ，プレゼンテーション，ディスカッション能力の向上も目的とする．
本セミナーでは実企業の実データも用いてピンポイントの分析だけでなく課題解決に至るまでの全工程を体感する

AL・ICT活用

Discussion Debate／Presentation／Interactive classes using ICT

第1回

授業形態

対面

事前学習

このセミナーは初回から講師に分かれて実施されるので，内容等については，それぞれの教員からの最初のガイダンスで説明を受ける．以下の＜成績評価方法及び水準＞についても同様である．また、関連するセミナーのための学年全体のガイダンスの時間とすることもあるので各講師からの指示を漏れなく確認すること。
なお、このセミナーは前期を半分に分け、２名の講師のセミナーを実施する。

ここでは，代表：三木良雄のセミナーを例に説明する．

0.5時間

授業内容

ガイダンス
このセミナーについて進め方を説明する。
各研究室の特色や自分の学びたい方向性について整理する

事後学習・事前学習

主成分分析の適用事例とその分析結果を準備する

2時間

第2回

授業形態

対面

授業内容

第２回　ポジショニング（教師無し機械学習）主成分分析
各自調査した主成分分析が適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回のクラスタリングの技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。

事後学習・事前学習

クラスタリングの適用事例とその分析結果を準備する

2時間

第3回

授業形態

対面

授業内容

ポジショニング（教師無し機械学習）クラスタリング
各自調査したクラスタリングが適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回の重回帰解析の技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。
準備学習：クラスタリングの適用事例とその分析結果を準備する

事後学習・事前学習

重回帰解析の適用事例とその分析結果を準備する

2時間

第4回

授業形態

対面

授業内容

予測モデル（教師あり機械学習）重回帰解析
各自調査した重回帰解析が適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回のサポートベクタマシンの技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。

事後学習・事前学習

サポートベクタマシンの適用事例とその分析結果を準備する

2時間

第5回

授業形態

対面

授業内容

予測モデル（教師あり機械学習）サポートベクタマシン
各自調査したサポートベクタマシンが適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回のDeep Learningの技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。

事後学習・事前学習

Deep Learningの適用事例とその分析結果を準備する

2時間

第6回

授業形態

対面

授業内容

予測モデル（教師あり機械学習）Deep Learning
各自調査したDeep Learningが適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回の実社会課題解決に関する状況説明と課題について解説する。
準備学習：Deep Learningの適用事例とその分析結果を準備する

事後学習・事前学習

課題に対する今までの研究や社会での取り組みについて調査・分析すること。

2時間

第7回

授業形態

対面

授業内容

実社会課題解決
各自検討課題解決方法やデータ分析について発表する。その結果や分析手法および解決方法に対するディスカッションを実施する。

事後学習・事前学習

２年次の多変量解析を復習しておく

2時間

第8回

授業形態

対面

授業内容

後半のセミナーとして、以降、２回目〜7回目を繰り返す
ポジショニング（教師無し機械学習）主成分分析
各自調査した主成分分析が適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回のクラスタリングの技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。

事後学習・事前学習

主成分分析の適用事例とその分析結果を準備する

2時間

第9回

授業形態

対面

授業内容

ポジショニング（教師無し機械学習）クラスタリング
各自調査したクラスタリングが適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回の重回帰解析の技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。

事後学習・事前学習

クラスタリングの適用事例とその分析結果を準備する

2時間

第10回

授業形態

対面

授業内容

予測モデル（教師あり機械学習）重回帰解析
各自調査した重回帰解析が適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回のサポートベクタマシンの技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。

事後学習・事前学習

重回帰解析の適用事例とその分析結果を準備する

2時間

第11回

授業形態

対面

授業内容

予測モデル（教師あり機械学習）サポートベクタマシン
各自調査したサポートベクタマシンが適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回のDeep Learningの技法説明担当者はクラスタリング手法の内容について説明のプレゼンを行う。

事後学習・事前学習

サポートベクタマシンの適用事例とその分析結果を準備する

2時間

第12回

授業形態

対面

授業内容

予測モデル（教師あり機械学習）Deep Learning
各自調査したDeep Learningが適用できそうな課題についてデータ分析を実施し発表する。その結果や分析手法および解決課題に対するディスカッションを実施する。
次回の実社会課題解決に関する状況説明と課題について解説する。

事後学習・事前学習

Deep Learningの適用事例とその分析結果を準備する

2時間

第13回

授業形態

対面

授業内容

実社会課題解決
各自検討課題解決方法やデータ分析について発表する。その結果や分析手法および解決方法に対するディスカッションを実施する。

事後学習・事前学習

課題に対する今までの研究や社会での取り組みについて調査・分析すること。

2時間

第14回

授業形態

対面

授業内容

次への展開
セミナーⅠの内容を自ら振り返り、セミナーⅡに向けた方向性を検討する
研究室ガイダンス等を適宜提供する

事後学習・事前学習

セミナーⅠの総復習を実施するとともに、研究室の内容調査を継続的に行うこと

1時間

第15回

授業形態

遠隔（オンデマンド）

授業内容

復習および課題の講評を行う。

事後学習

全体の復習および研究室調査を行うこと。

1時間

成績評価の方法

それぞれの講師がセミナーのなかで提示するので，その指示に従うこと．
具体的には，調査，分析，発表，発表資料，プログラム，ゼミにおけるディスカッションおよびレポートなどにより，二つのセミナーを総合的判断にする．
到達目標に照らして，6段階のGrade(A+,A,B,C,D,F)で評価し，D以上の者に単位を認める

受講生へのフィードバック方法

各回の発表に対するコメント、ディスカッションの中で指導する

教科書

それぞれの講師がセミナーのなかで提示するので，その指示に従うこと．

参考書

それぞれの講師がセミナーのなかで提示するので，その指示に従うこと．

オフィスアワー

それぞれの講師がセミナーのなかで提示するので，その指示に従うこと．
連絡先などは初回あるいはガイダンス時に案内がある

受講生へのメッセージ

４年次の卒業研究，後期のセミナーを事前に体験することができます．積極的な姿勢での受講を求めます．

実務家担当科目

Not applicable

実務経験の内容

教職課程認定該当学科

Not applicable

その他の資格・認定プログラムとの関連

Syllabus data