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）
科目ナンバリングコード Course Numbering Code
授業形態 Class Type 講義 Regular course
授業形式 Class Format Live Virtual
単位 Credits 2
言語 Language JP
科目区分 Course Category 共通専門教育科目400系 / Specialized Subject 400
学位 Degree BSc
開講情報 Terms / Location 2022 UG Nisshin Spring Intensive
コード Couse Code NUC278_N22A

授業の概要　Course Overview

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

IoTの進展等により様々なデータが蓄積・活用できるようになり、ビジネスシーンをはじめ様々な場面でデータ分析能力が求められるようになっています。データ分析を効率的に行うためにはプログラミング能力が必須です。本講義ではプログラミング能力の基礎力を身に付けることで、本学ミッションの実現に貢献します。
With the progress of IoT, various type of data have been accumulated and utilized, and the ability of data analysis can be required in various situations including business situations. Programming ability is essential for efficient data analysis. This lecture aims to acquire the basic programming skills, contributing to the realization of the 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、ベーシックなプログラミング能力を身に付けるとともに、初歩的な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 learn basic programming skills and elementary AI methods. No programming experience is assumed. This course uses Python as the programming language.

学修到達目標 / Achievement Goal

データを読み込み、簡単な分析を自分でプログラムできるようになること

The goal is to be able to program a simple data analysis process from reading data to analyzing by an AI method

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
LG5 Business Perspectives (BSc)

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

Goal 4 質の高い教育をみんなに（Quality Education）

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。
・講義の進捗に合わせて小テストやレポート課題問題を出題します。
・プログラミングは筋トレのようなもので、概念を理解したうえで繰り返し実践すれば（＝手を動かしてプログラムを入力することを繰り返せば）基本的レベルは誰でも身に付けられます。そのためプログラミングの概念説明のための講義形式と個人作業による実習の時間が多くなります。
・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、要点を掴むのに適した内容です。
・参考文献2はPythonプログラミングの詳細を解説しており、より深く学ぶたい方向けです。
※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、条件分岐）

第3日（Day3）



第4日（Day4）



第5日（Day5）



第6日（Day6）



第7日（Day7）



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 20 %
クラス貢献度合計 Class Contribution Total 20 %
予習レポート Preparation Report 0 %
小テスト Quizzes / Tests 40 %
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 40 %
参加者による相互評価 Peer Assessment 0 %
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。

配布教材と教室における電子機器の利用マナーについて Guidelines for Classroom Technology and Proper Use of Course Materials

  1. ケースメソッド教育の中核は、積極的な参加と知識の共有です。この教育を支えるため参加者は授業中の電子機器（例：スマートフォン、ノートパソコン）の使用を制限するよう求められます。許可を得た場合でも、教室内では電子機器は、ケース討議に資する目的でのみ使用してください。授業中は、たとえケース討議に関連していても、検索エンジンや生成AIの使用は避けて下さい。
  2. 配布教材（ケースを含む）は指定された授業への参加以外の目的で利用しないで下さい。著者の権利、著作権、特定情報の機密性を保護するため、許可なく教材を個人や組織（生成AI を含む）に提供することはできません。このルールは、印刷物・電子教材のいずれにも適用されます。
  1. Active participation and shared learning is at the core of the case method learning.Participants are asked to limit their use of electronic devices (e.g., laptops, smartphones) during classroom sessions in support of this model. Even with permission granted, devices should only be used in the classroom in service to the case discussion. Online searches and generative AI tools, even if related to the case discussion, are discouraged while class is in session.
  2. Students are prohibited from using the course materials (including cases) distributed by the university for any purpose other than participation in the designated class.Students must not input, process or test course materials with any artificial intelligence (AI) tools, bots, software, or platforms without the author’s permission. These actions violate the terms of use for the course materials and may also constitute copyright infringement.

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
2. 柴田望洋『新・明解Python入門』SBクリエイティブ株式会社

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

講義時間と演習時間のバランスを取りつつ進めていきます。

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