情報教育特別講義（AI・データ科学研究の現場）

火曜5限. 単位数／Credit(s): 2.00単位. 担当教員（所属）／Instructor (Position): 大林 武,大石 峰暉 他 所属：情報科学研究科. 対象学部／Eligibility: 全. 開講期／Term: 1/3/5/7セメスター . 科目群／Subject Group: 全学教育科目先進科目－情報教育. 年度: 2026. 科目ナンバリング／Course Numbering: ZAC-OIN805J. 使用言語／Language of Instruction: 日本語.

科目コード

CAB017201

科目名／Subject

情報教育特別講義（AI・データ科学研究の現場）

教室／Place

ＣＡＬＬ教室　Ｍ２０４

メディア授業科目／Media Class Subjects

〇

主要授業科目／Essential Subjects

各学部の履修内規または学生便覧を参照。

授業題目／Class Subject

数理・AI・データ科学　－データ生成・活用の現場に立ち会う－
Mathematics AI Data Science - Witnessing Data-driven Research –

授業の目的と概要／Class Objectives and Summary

本講義では、数理・AI・データ科学が活用されている「現場」に立ち会うことで、データがどのように生成・観測され、数理的手法や計算を通じて解析され、実世界の課題解決に結びついていくのかを体感する。「現場」とは、データ生成から活用に至る一連の過程が進行する場である。これらの過程を追体験することを通して、数理・AI・データ科学の重要性と課題を理解することを目的とする。

In this course, students will witness real-world settings in which mathematics, AI, and data science are actively used, and experience how data are generated or observed, analyzed through mathematical methods and computation, and ultimately applied to solving real-world problems. These settings represent the entire process from data generation to data utilization. By following these processes, students will gain an understanding of both the importance and the challenges of mathematics, AI, and data science.

学修の到達目標／Learning Goals

データが生成・活用される現場を知り、研究者から研究内容や解決すべき課題について説明を受けることで、数理・AI・データ科学を身近で重要な分野として理解する。また、研究者から示された課題をどのように解決できるかを議論することを通して、データ生成から活用に至る過程についての考察を深める。

By learning about real-world settings in which data are generated and utilized, and by receiving explanations from researchers about their studies and the challenges they address, students will come to understand mathematics, AI, and data science as relevant and important fields. Furthermore, through discussions on how to approach the problems presented by the researchers, students will deepen their understanding of the processes from data generation to data utilization.

授業内容・方法と進度予定／Contents and Progress Schedule of the Class

学生はあらかじめ、研究者による講演、インタビュー、研究の様子などの指定された動画を視聴しておく。講義では、ファシリテータの支援を受けながら、研究者から示された研究課題の解決方法についてグループで議論し、その結果を取りまとめる。具体的な研究テーマは以下を予定している。

1. オリエンテーション
2. 脳画像データ(1)
3. 脳画像データ(2)
4. 行動学データ(1)
5. 行動学データ(2)
6. 経済学データ
7. 犯罪・リスクデータ
8. 地震・自然災害データ
9. 地球環境科学データ
10. ロボティクスデータ
11. マテリアルズ・インフォマティクス
12. ヘルスケアデータ
13. ヒトゲノムデータ
14. 植物ゲノムデータ
15. まとめ
（トピックの順序は変更される可能性がある）

Students are required to pre-watch specified videos, such as lectures, interviews, and demonstrations of research conducted by researchers. In the lectures, with the support of facilitators, students will discuss in groups the solutions to research problems presented by the researchers and compile the results. The specific research topics planned are as follows:

1. Orientation
2. Brain Imaging Data (1)
3. Brain Imaging Data (2)
4. Behavioral Data (1)
5. Behavioral Data (2)
6. Economic Data
7. Crime & Risk Data
8. Earthquake & Natural Disaster Data
9. Earth & Environmental Science Data
10. Robotics Data
11. Materials Informatics
12. Healthcare Data
13. Human Genomic Data
14. Plant Genomic Data
15. Summary
(Note: The order of topics is subject to change.)

成績評価方法／Evaluation Method

各講義における平常点（50%）と最終レポート（50%）によって総合的に評価する。
Evaluation is conducted comprehensively based on regular scores in each lecture (50%) and the final report (50%).

教科書および参考書／Textbook and References

授業時間外学修／Preparation and Review

講義毎に、予め読んでおくべき文献や資料を提示する場合がある。
When necessary, documents and materials to be read in advance are provided for each lecture.

授業へのパソコン持ち込み【必要/不要】／Students must bring their own computers to class [Yes / No]

必要。講義の場でコンテンツを確認したり、議論を整理するためにPC持込を推奨する
Yes. It could be needed for you to check the contents distributed prior to the class, and to organize the discussion.

連絡先（メールアドレス等）／Contact（Email, etc.)

全学教育HP掲載の「全学教育科目授業担当教員連絡先一覧」を参照。