マイページのお気に入りに追加されます
放送大学 数理・データサイエンス・AIリテラシー講座 導入(「数理・データサイエンス・AI(リテラシーレベル)講座」)
- 団体名
- 放送大学
- 課程名
- 数理・データサイエンス・AIリテラシー講座 導入(「数理・データサイエンス・AI(リテラシーレベル)講座」)
- 課程区分
- 公開講座
- 地域:詳細
- 科目・講師
- 開講日時
- 2021年4月~2022年3月
- 受講期間の目安
- 8時間
- 受講料
- 8,000円(放送大学の在学生は800円で受講できます。)
- 学費支援
(奨学金) - 無し
- 学費支援(教育訓練給付金)
- 無し
- ジャンル
- 数理・データサイエンス・AI
- 通学/通信区分
- 通信
- 募集期間
- 随時
- 講座の概要
- 《第1回》担当講師:竹村 彰通 放送大学客員教授(滋賀大学教授)、齋藤 邦彦 放送大学客員教授(滋賀大学教授)、笛田 薫 放送大学客員教授(滋賀大学教授)
社会で起きている変化1
【パート1】ビッグデータ、IoT、AI、ロボット、データ量の増加、計算機の処理性能の向上、AIの非連続的進化、プラットフォーマー
【パート2】ビッグデータ、IoT、AI、ロボット、データ量の増加、計算機の処理性能の向上、複数技術を組み合わせたAIサービス
【パート3】第4次産業革命、Society 5.0、データ駆動型社会、人間の知的活動とAIの関係性、データを起点としたものの見方、人間の知的活動を起点としたものの見方
《第2回》担当講師:久野 遼平 放送大学非常勤講師(東京大学講師)
社会で起きている変化2
【パート1】IoT、AI、ロボット、複数技術を組み合わせたAIサービス
【パート2】Society 5.0、スマートシティ、スーパーシティ
【パート3】人間の知的活動とAIの関係性、データを起点としたものの見方、人間の知的活動を起点としたものの見方
《第3回》担当講師:高野 渉 放送大学客員教授(大阪大学特任教授)、宮西 吉久 放送大学非常勤講師(信州大学准教授)
社会で活用されているデータ
【パート1】調査データ、実験データ、オープンデータ、クラウドソーシング、ビッグデータ
【パート2】1次データ、2次データ、データのメタ化
【パート3】構造化データ、⾮構造化データ(文章、画像/動画、音声/音楽など)
《第4回》担当講師:久野 遼平 放送大学非常勤講師(東京大学講師)
データ・AIの活用領域
【パート1】データ・AI活用領域の広がり(生産、消費、文化活動など)、研究開発、仮説検証、知識発見、原因究明、計画策定、判断支援
【パート2】調達、製造、物流、販売、マーケティング、サービス
【パート3】活動代替、新規生成
《第5回》担当講師:杉本 知之 放送大学客員教授(滋賀大学教授)、市川 治 放送大学客員教授(滋賀大学教授)、佐藤 智和 放送大学客員教授(滋賀大学教授)
データ・AI利活用のための技術1
【パート1】データ解析:予測、グルーピング、パターン発見、最適化、シミュレーション、データ利活用、データの用意、統計手法、機械学習、正解データ、特徴量
【パート2】⾮構造化データ処理、言語処理、音声処理、モデル、特徴量、分類器、機械学習、テキスト、one-hot、分散表現、辞書、波形データ、スペクトルデータ、音声認識、対話システム、テキストマイニング、異常検知、話者認識
【パート3】⾮構造化データ処理: 画像/動画処理、画像計測、画像認識
《第6回》担当講師:内田 誠一 放送大学客員教授(九州大学教授)
データ・AI利活用のための技術2
【パート1】特化型AIと汎用AI、今のAIで出来ることと出来ないこと、AIとビッグデータ、中国語の部屋、フレーム問題、敵対的事例
【パート2】複合グラフ、2軸グラフ、多次元の可視化、関係性の可視化、地図上の可視化、挙動・軌跡の可視化、リアルタイム可視化、棒グラフ、折れ線グラフ、次元とは何か、散布図、散布図行列、主成分分析
【パート3】認識技術、ルールベース、自動化技術、最近傍法、深層学習、機械学習
《第7回》担当講師:高野 渉 放送大学客員教授(大阪大学特任教授)
データ・AI利活用の現場
【パート1】データサイエンスのサイクル、PPDAC
【パート2】流通におけるデータ・AI利活用事例紹介、スポーツにおけるデータ・AI利活用事例紹介
【パート3】製造におけるデータ・AI利活用事例紹介、マーケティングにおけるデータ・AI利活用事例紹介
《第8回》担当講師:高野 渉 放送大学客員教授(大阪大学特任教授)、宮西 吉久 放送大学非常勤講師(信州大学准教授)
データ・AI利活用の最新動向
【パート1】AI最新技術の活用例(深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など)、ニューラルネットワーク
【パート2】AI最新技術の活用例(深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など)
【パート3】AI最新技術の活用例(深層生成モデル、敵対的生成ネットワーク、強化学習、転移学習など)
- 講座レベル
- 基礎レベル
- 身につけられる知識、技術、技能
- ・データ・AIによって、社会および日常生活が大きく変化していることを理解する。
・「数理/データサイエンス/AI」が、今後の社会における「読み/書き/そろばん」であることを理解する。
・データ・AI活用領域の広がりを理解し、データ・AIを活用する価値を説明できる。
・今のAIで出来ること、出来ないことを理解する。
・AIを活用した新しいビジネス/サービスは、複数の技術が組み合わされて実現していることを理解する。
・帰納的推論と演繹的推論の違いと、それらの利点、欠点を理解する。
- 科目一覧
- 修了要件
- 各回の講義映像の視聴及び確認テストへの合格
- 修了時に付与される学位・資格等
- 放送大学キャリアアップ支援認証制度の修了証及びデジタルバッジ
- 成績評価の方法
- 確認テスト(IBT:インターネットを利用した試験)の評価
- 社会人が受講しやすい工夫
- 講義映像の視聴と、講義内容の理解度を確認するための小テストによって構成されており、全てオンデマンドで、パソコン、タブレットPC、スマートフォン等からお好きな時間に学ぶことができます。
- 自由PR
- この公開講座は、数理・データサイエンス教育強化拠点コンソーシアムが策定した「数理・データサイエンス・AI(リテラシーレベル)モデルカリキュラム」に準拠した内容で構成されており、初級レベルの数理・データサイエンス・AIについて体系的に分かりやすく学修することができます。
本講座はモデルカリキュラムの中でも「導入」部分に該当しています。
ユーザーコメント