講 義 概 要
本科目は、講義科目である。
本科目では、現代社会において多種多様な分野で利活用されているコンピュータシステムの中でも、機械学習タイプの新たなAI（人工知能）について講義する。受講生は、AIを理解し、それを活用する事で個々の専門分野において抽出される問題解決に対して、検討・企画・立案できる人材の基礎を学ぶ。具体的には、以下の３点を修得する。
➀機械学習AIサービスを使用したアクティブラーニングでAIの概要を理解する。
➁各種AIサービスへ様々なタイプのデータの入力とその結果を分析し、特性を把握する。
➂AIサービスをシステムに組み入れるプログラミングを実習し、AIサービスの活用手法を理解する。
これに必要なPython言語の基礎的なプログラミング手法を実習する共に、自身の専門分野で役立つAIを活用したシステムを、グループワークで立案する。 到 達 目 標 生成AI（LLM）を中心に、AIサービスの特性を理解し、目的に応じたプロンプトを設計・改善できる基礎力を身につける。また、出力の検証（引用・裏取り）とレポート作成の型を学び、生成AIを安全に活用するための倫理・ルールを理解する。あわせてデータサイエンスの全体像と代表値・ばらつきの直感的理解に触れ、後期の学習に接続する。 授 業 計 画 | 第１回 ガイダンス 自己紹介／授業・成績の仕様／用語チェックとAIリテラシー診断 | | 第２回 AIと生成AI AIと生成AIの違い／LLMとは何か／AIの歴史 | | 第３回 プロンプト設計① 基本型：ロール、条件、出力形式 | | 第４回 LLM比較① ChatGPT：汎用・発想・対話 | | 第５回 LLM比較② Gemini：検索・マルチモーダル | | 第６回 LLM比較③ Claude：文章設計・丁寧さ | | 第７回 レポートの作り方 結論→根拠→方法→限界→次の問い | | 第８回 プロンプト設計② 分解・手順化・評価による改善 | | 第９回 ハルシネーションとファクトチェック 引用・裏取り・再現性 | | 第10回 安全運用と新しい倫理 著作権・個人情報・バイアス・学内ルール | | 第11回 社会文脈 半導体とAI／米中競争／企業の変遷 | | 第12回 データサイエンスとは 機械学習とデータサイエンスの全体像 | | 第13回 代表値① 平均・中央値・最頻値・四分位：意味と読み取り | | 第14回 ばらつき① 分散・標準偏差：意味と読み取り | | 第15回 前期まとめ ふり返り：後期への接続確認 | |
評 価 方 法 評価方式：平常点
授業参加姿勢：積極的な参加
授業内外で作成するレポート／課題 40%：内容の充実度・参照元の明示・自分の判断の記述・改善の痕跡
※レポート・課題等で生成AIを利用した場合は、阪南大学「生成AI利用についてのガイドライン（学生向け）」に従い、
使用したサービス名および、どの部分にどのように利用したかを明記すること。
期末課題提出 30%：提出の質と量、改善の過程 授業の方法 対面 講義（概念整理）と演習（実際に生成AIを操作して比較・改善）を組み合わせる。毎回、短い導入（今週のAIトレンド：開始10〜15分）を行い、毎回の授業ページ（Notion）に従い、提出課題をUNIPAに提出する。
留意点：生成AIの利用は許可するが、すべての提出物で「参照元の明示」「自分の判断の記述」「AI出力の全文コピペ禁止」を守ること。提出先：UNIPA（形式は回ごとに指示）、教材・課題の確認：Notion。課題に対するフィードバックはNotionおよび授業内で行う。 教 科 書 『生成AIのプロンプトエンジニアリング ― 信頼できる生成AIの出力を得るための普遍的な入力の原則』（O'Reilly Japan） 参 考 書 授業で扱うトピックに応じて、信頼できる一次情報（企業公式ドキュメント、ガイドライン、統計・倫理に関する公的資料等）を配布する。 備 考 【授業外学習（予習・復習）】
各回の授業終了後、Notion上の授業ページを読み返し、理解が曖昧な点を生成AIとの壁打ち（質問→回答→反論→再結論）によって更新することを推奨する（復習：30〜60分程度）。
毎回の授業ごとに提出課題を出す。課題は授業ページ（Notion）に掲載し、UNIPAに提出する（想定所要時間：20〜30分）。 |