シラバス Syllabus

授業名 AIのためのプログラミング
Course Title Programming for using AI
担当教員 Instructor Name 小畑　崇弘（Takahiro Obata）
コード Couse Code NUC164_N20A
授業形態 Class Type 講義 Regular course
授業形式 Class Format
単位 Credits 2
言語 Language JP
科目区分 Course Category
学位 Degree BSc
開講情報 Terms / Location 2020 UG Nisshin Term1

授業の概要　Course Overview

Misson Statementとの関係性 / Connection to our Mission Statement

授業の目的（意義） / Importance of this course

人工知能（AI）は様々な分野で普及が進んでおり、AIを理解して活用するスキルを求められる場面が増えています。
本講義ではプログラミング言語としてPythonを利用し、プログラミング経験ゼロの状態から始め、ベーシックなAI手法を用いてデータ分析できるようになることを目指します。
Artificial intelligence (AI) is getting more and more widespread in various fields and the need for skills to understand and utilize AI has been increasing.
The goal of this lecture is to be able to perform data analysis using basic AI algorithms. No programming experience is assumed. This course uses Python as the programming language.

到達目標 / Achievement Goal


本授業の該当ラーニングゴール　Learning Goals

*本学の教育ミッションを具現化する形で設定されています。

LG1 Critical Thinking

受講後得られる具体的スキルや知識　Learning Outcomes

Pythonの基本的な使い方
ベーシックなAI手法の知識

Basic programming knowledge with Python
Knowledge for basic AI algorithms

SDGsとの関連性　Relevance to Sustainable Development Goals

教育手法　Teaching Method

教育手法 Teaching Method % of Course Time
インプット型 Traditional 70 %
参加者中心型 Participant-Centered Learning ケースメソッド Case Method 30 %
フィールドメソッド Field Method 0 %
合計 Total 100 %

事前学修と事後学修の内容、レポート、課題に対するフィードバック方法　Pre- and Post-Course Learning, Report, Feedback methods

・講義で扱うのはプログラミングとAIの必要箇所を絞り込んだ内容ですが、それでも各回で学ぶ量はかなり多くなります。各回の講義で扱った内容を消化できるように復習に力を入れてください。
・各講義時間中に簡単な課題を出題します。
・参考文献１はPythonプログラミングの重要な点を絞り込んで丁寧に説明してあり、自習に適した内容です。
※講義スケジュールに記載の内容は講義の進捗により調整する可能性があります。

授業スケジュール　Course Schedule

第1日（Day1）

・ガイダンス（本講義の進め方、評価方法、他の担当科目との関係など）
・講義形式（AI概観、幾つかのプログラミング言語とPythonの特徴など）
・プログラミング実習（プログラミング環境のインストール、変数とデータの型）


第2日（Day2）

・プログラミング実習（コレクション、統計値の計算、グラフ表示、条件分岐）

第3日（Day3）

・プログラミング実習（繰り返し処理、ユーザー定義関数、オブジェクト）

第4日（Day4）

・プログラミング実習（標準モジュール、外部ライブラリ「Numpy」「Pandas」）

第5日（Day5）

・講義形式（AIと機械学習、線形回帰の概要、ロジスティック回帰の概要、など）
・データ分析実習（線形回帰、ロジスティック回帰）

第6日（Day6）

・講義形式（クラスタリング手法の概要、など）
・データ分析実習（クラスタリング）

第7日（Day7）

・講義形式（決定木の概要、など）
・データ分析実習（決定木）

成績評価方法　Evaluation Criteria

*成績は下記該当項目を基に決定されます。
*クラス貢献度合計はコールドコールと授業内での挙手発言の合算値です。
講師用内規準拠 Method of Assessment Weights
コールドコール Cold Call 0 %
授業内での挙手発言 Class Contribution 5 %
クラス貢献度合計 Class Contribution Total 5 %
予習レポート Preparation Report 0 %
小テスト Quizzes / Tests 55 %
シミュレーション成績 Simulation 0 %
ケース試験 Case Exam 0 %
最終レポート Final Report 0 %
期末試験 Final Exam 30 %
参加者による相互評価 Peer Assessment 10 %
合計 Total 100 %

評価の留意事項　Notes on Evaluation Criteria

使用ケース一覧　List of Cases

    ケースは使用しません。

教科書　Textbook

  • 大重 美幸「詳細! Python 3 入門ノート」ソーテック社（2017）

参考文献・資料　Additional Readings and Resource

1. 国本大悟『スッキリわかるPython入門 (スッキリシリーズ)』インプレス 2019

授業調査に対するコメント　Comment on Course Evaluation

初年度担当科目

担当教員のプロフィール　About the Instructor　

【主な研究分野】 進化計算、変数選択、ファイナンス、時系列予測

【学歴】
東京大学文学部 卒
東京理科大学理学部二部 卒
筑波大学大学院博士前期課程ビジネス科学研究科 修了
筑波大学大学院博士後期課程ビジネス科学研究科 在籍中

（実務経験 Work experience）

【職務経験概略】 金融業界、特に資産運用業界を中心に職歴を積み、様々な定量的運用手法の開発やファンド運営、リスク管理等に従事。運用モデル開発に関わった戦略としては主に株式マーケットニュートラル戦略、マルチアセットアロケーション戦略、為替ダイナミックヘッジ戦略など。
【最近の職歴】
2011 ~ 2014　UBSグローバルアセットマネジメント株式会社
2014 ~ 現職　アセットマネジメントOne株式会社（統合前：新光投信株式会社）







ページ上部へ戻る