本科目は、文部科学省が指定する「ジョブ型研究インターンシップ」制度におけるインターンシップに参加する、「大学院教育支援機構プログラム」あるいは「科学技術イノベーション創出に向けた大学フェローシップ創設事業」の支援を受ける者等を対象とする。
インターンシップ参加を通して、自身の専門性を俯瞰的・多角的に見直し、社会的役割を見出すとともに、キャリア形成のための実践力を涵養する。

履修者に養ってほしい能力は次のとおり：
自身の専門的研究への客観的視点、コミュニケーションスキルおよび対人スキル、リーダーシップ、マネジメント能力、倫理的行動・法的規範の遵守、協働関係の構築

(授業計画と内容)※
１．履修に興味を持った方は、次のURLから必ず学内エントリーを行うこと。（https://forms.gle/gyUdr15dtNJhLWR77）
２．大学院教育支援機構の指示に従いジョブ型研究インターンシップ支援機関（註1）の専用システムのアカウント登録を行うこと。
３，２のアカウント登録後、マッチング支援機関（註2）が開催するインターンシップ説明会への参加や、企業等が提示するジョブディスクリプション（註3）の閲覧が可能になる。それらを通じて、インターンシップ応募先を決める。
４．指導教員にインターンシップ応募の許可をもらってから、専用システム上で応募する。
５．応募後、企業等とのマッチング選考が行われる。
６．マッチングが成立し、指導教員にインターンシップ参加の許可をもらってから、企業・履修者間の雇用契約を締結する（締結業務は本学事務職員が行う）。
７．インターンシップ実施前に1回のガイダンスを行う。
８．インターンシップ実施
９．インターンシップ終了後に報告書を大学院教育支援機構に提出する。
　　当該報告書には、45時間以上90時間未満の実習（授業外学習を含む）の実施について記載すること。

（註1）ジョブ型研究インターンシップ推進協議会
（註2）株式会社アカリク
（註3）企業が学生に提示する条件。自社情報・職務内容・募集人数・応募資格・求める能力・勤務条件・選考方法・その他必要な手続き（秘密保持・知財・研究成果公表等にかかる契約の有無等）等の情報が示される。

以下の条件を全て満たすこと：
・博士後期課程学生であること。
・2ヶ月程度のインターンシップへの従事が可能な者。
・インターンシップの内容や詳細について指導教員とよく相談し、必ず同意を得ること。
・募集枠やマッチング登録、履修等については、大学院教育支援機構に相談し調整すること。
　学内エントリー後、大学院教育支援機構から履修希望者に直接連絡し、個別に対応する。

・研修先より発行される評価書および、履修者からの報告書によって合否で評価する。
・当該インターンシップを大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、Ⅱ（2単位科目）のどちらの科目の単位として認定するかは、インターンシップ期間やその期間での実習内容に基づき、45時間以上90時間未満を大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、90時間以上をⅡ（2単位科目）として定める。

インターンシップに行く前に該当企業等に関する情報を収集して予習を行うとともに、インターンシップ終了後、内容を復習し報告書に反映させること。

本科目履修にあたり、履修登録は不要です。

　本科目は、文部科学省が指定する「ジョブ型研究インターンシップ」制度におけるインターンシップに参加する、「大学院教育支援機構プログラム」あるいは「科学技術イノベーション創出に向けた大学フェローシップ創設事業」の支援を受ける者等を対象とする。
　インターンシップ参加を通して、自身の専門性を俯瞰的・多角的に見直し、社会的役割を見出すとともに、キャリア形成のための実践力を涵養する。

履修者に養ってほしい能力は次のとおり：
自身の専門的研究への客観的視点、コミュニケーションスキルおよび対人スキル、リーダーシップ、マネジメント能力、倫理的行動・法的規範の遵守、協働関係の構築

１．履修に興味を持った方は、次のＵＲＬから必ず学内エントリーを行うこと（https://forms.gle/gyUdr15dtNJhLWR77）。
２．大学院教育支援機構の指示に従いジョブ型研究インターンシップ支援機関（註1）の専用システムのアカウント登録を行うこと。
３，２のアカウント登録後、マッチング支援機関（註2）が開催するインターンシップ説明会への参加や、企業等が提示するジョブディスクリプション（註3）の閲覧が可能になる。それらを通じて、インターンシップ応募先を決める。
４．指導教員にインターンシップ応募の許可をもらってから、専用システム上で応募する。
５．応募後、企業等とのマッチング選考が行われる。
６．マッチングが成立し、指導教員にインターンシップ参加の許可をもらってから、企業・履修者間の雇用契約を締結する（締結業務は本学事務職員が行う）。
７．インターンシップ実施前に１回のガイダンスを行う。
８．インターンシップ実施
９．インターンシップ終了後に報告書を大学院教育支援機構に提出する。
　　当該報告書には、90時間以上の実習（授業外学習を含む）の実施について記載すること。

（註1）ジョブ型研究インターンシップ推進協議会
（註2）株式会社アカリク
（註3）企業が学生に提示する条件。自社情報・職務内容・募集人数・応募資格・求める能力・勤務条件・選考方法・その他必要な手続き（秘密保持・知財・研究成果公表等にかかる契約の有無等）等の情報が示される。

以下の条件を全て満たすこと：
・博士後期課程学生であること。
・2ヶ月程度のインターンシップへの従事が可能な者。
・インターンシップの内容や詳細について指導教員とよく相談し、必ず同意を得ること。
・募集枠やマッチング登録、履修等については、大学院教育支援機構に相談し調整すること。
　学内エントリー後、大学院教育支援機構から履修希望者に直接連絡し、個別に対応する。

・研修先より発行される評価書および、履修者からの報告書によって合否で評価する。
・当該インターンシップを大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、Ⅱ（2単位科目）のどちらの科目の単位として認定するかは、インターンシップ期間やその期間での実習内容に基づき、45時間以上90時間未満を大学院教育支援機構ジョブ型研究インターンシップⅠ（1単位科目）、90時間以上をⅡ（2単位科目）として定める。

インターンシップに行く前に該当企業等に関する情報を収集して予習を行うとともに、インターンシップ終了後、内容を復習し報告書に反映させること。

本科目履修にあたり、履修登録は不要です。

(授業の概要・目的)※
経済活動を支える手段として「知的財産」および「知的財産権」（以下まとめて「知財」という）は、重要なファクターとなっている。
「知財」は、ライバル企業による模倣の制止（侵害訴訟）だけでなく、企業間の協力（ライセンス、パテント・プール）、研究開発力向上（職務発明制度）などの面で利用され、企業の競争力を高めるための手段として活用されている。また、大学もその研究成果の社会実装に向けて、企業との共同研究、ベンチャー企業育成などに取り組んでいるが、こうした活動において「知財」ルールをうまく取り決めないと将来の研究活動に制限をうけるリスクが生じる。
本授業では、「知財」についての基本的知識とともに、企業や大学の具体的な活動事例に基づきながら、「知財」の活用方法についての考え方を習得することを目的とする。
※「知的財産」とは、（1）発明、考案、植物新品種、意匠、著作物など、人間の創造的活動により生み出されるもの、（2）商標、商号その他の事業活動に用いられる商品または役務を表示するもの、および（3）営業秘密その他の事業活動に有用な技術上または営業上の情報をいう。
※「知的財産権」とは、特許権、実用新案権、育成者権、意匠権、著作権、商標権その他の知的財産に関して法令により定められた権利または法律上保護される利益に係る権利をいう。

本講座では、知的財産について予備知識の無い大学院生が、知的財産の概要、権利取得や知財契約の種類・考え方についての基礎的な知識を習得し、今後知的財産を活用していく上で必要な、知財戦略の基本的な考え方や、先行技術の検索方法等、具体的な活用方法について理解を深めることを目的とする。

(授業計画と内容)※
①　知的財産の概要（1回）
知的財産とは発明やデザインなどの無形資産であり、特許権、著作権、意匠権などの法的権利によって保護される。知的財産を概観しその種類や役割を検討する。
②　権利取得や知財契約の種類と考え方（1回）
異なる種類の知的財産権の取得方法（特許出願、商標登録など）と、それらを管理するための契約、権利取得の戦略的な考え方や契約における法的・商業的要因について論じる。
③　特許権と知財戦略、ライセンス交渉（１回）
特許権の基本、特許取得プロセス、および特許を中心とした知的財産戦略に重点を置き、ライセンス契約における主要な要素、価格設定、そして利害関係者間の交渉について検討する。
④　先行技術情報検索手法についての基礎的な知識（１回）
特許出願の前に重要な、データベースの使用、検索キーワードの選定、及び検索結果の分析方法などの先行技術検索の方法について解説する。
⑤　ケース分析（1回）
知的財産の保護や活用の事例を取り上げてグループ討議を行い、課題や論点の整理を行う。
⑥　ベンチャー、大学における知財活用（１回）
ベンチャー企業や大学がどのように知的財産を活用しているか紹介する。研究成果の商業化、スタートアップにおける知財戦略、特許ポートフォリオなどについて議論する。
⑦　ビジネスにおける意匠権・商標権・著作権の活用（１回）
意匠権、商標権、著作権の概要を解説し、ビジネスにおける各権利の保護と活用の事例、争いの事例などを紹介する。
⑧　イノベーションのための特許情報の活用（１回）
特許情報は、技術トレンド、競合他社の活動、および新たな技術の可能性を理解するのに有用である。特許情報を活用して新しいビジネス機会を探求する方法について考察する。
（授業日程）
第一回　８月２９日（金）３限、４限、上記①②（河端）
第二回　９月５日（金）３限、４限、５限、上記③④⑤（河端）
第三回　９月１２日（金）３限、４限、５限、上記⑥⑦⑧（阿部、楠浦）

特になし

レポート：60％　（第二回、第三回終了後に出題）
授業参加・貢献（出席および授業中のミニクイズ、質問・発言、講義内における討論などをもとに総合的に評価する）：40％

別途指示する。

●関連科目
アントレプレナーシップ全般
大学院共通科目
「アントレプレナーシップ入門」
「アントレプレナーシップ演習」

●本科目は大学院教育支援機構が提供する「産学協同教育コース」を構成する科目であるが、コース履修に関わらず本科目のみ受講することも可能です。

本科目では大学院生として研究室などでの研究活動を本格化させるための基礎的な知識・スキルとして、大学図書館などを活用した学術情報の探索と発信、本学が提供する情報通信サービスの理解とその適正な運用、その基礎となる情報ネットワークやコンピュータについての実践的事項、情報セキュリティと情報倫理などを学習する。

大学図書館などを利用した学術目的の情報探索、情報発信について、効果的な文献の探索・収集・活用の手法と、論文として発表する際のマナーを知る。

研究活動でコンピュータや LAN、インターネットを適切に利用するための技術的な基礎知識を知る。

研究室でのネットワーク利用のために本学が提供しているKUINS 等の情報通信サービスについて知り、適切に利用できるようになる。

研究活動でコンピュータやネットワークを利用する際の本学での遵守事項や情報セキュリティ・情報倫理上の留意点を知り、実践できるようになる。

以下、４回の授業を集中講義形式で実施する。

・学術研究のための大学図書館利用と情報探索、情報発信(1回)
・ネットワークの基礎(1回)
・大学の情報基盤の利活用(１回）
・情報セキュリティと情報倫理（1回）

特になし

授業への出席と情報環境機構が提供する情報セキュリティ e-learningの修了が合格の要件である。その上で、課題の提出状況を評価に加える。

情報セキュリティ e-learning についてはあらかじめ修了しておくこと。授業外学習として課題を課す。

【メディア授業科目】
受講時に、受講前に持っている情報リテラシーについての知識・スキル等を調査する予定である。授業資料は電子的に配布するので、ノートPC などを持参して受講することが望ましい。

データ科学は科学研究の基本の一つであり、本学においても研究科を問わず、多様な分野において活用されている。本科目では、データ科学的手法に関する知識と技術の習得を目的とする。データ科学的手法は扱うデータや分野によって多岐にわたるが、データ科学に関連する知識・技術を広く習得することは、研究の多様性への適応力を育むことにも繋がり重要である。
本科目ではデータ科学を広く概観するため、データ科学イノベーション教育研究センター所属教員を中心に複数の教員がリレー講義と演習を行い、様々な領域におけるデータ科学の現状と可能性について理解を深めることを目標とする。

大学院入学までの間に必ずしも十分なデータ科学教育を受けられなかった学生、もしくは学び直しを目指す学生を主たる対象とし、文部科学省が定める数理・データサイエンス・AI教育プログラム　リテラシーレベル(MDASH Literacy)レベルの復習から始め、同プログラム応用基礎レベル(MDASH Advanced Literacy)もカバーしたうえで、大学院レベルで求められるデータ科学的手法について学ぶ。
具体的には以下の2つを目標とする。

1.　様々な領域におけるデータ科学的手法の現状と可能性について理解できるようになる。
2.　実習を通じて、Excel・R言語・Python・JMP Pro等を用いてデータ分析に必要な基礎的な処理ができるようになる。

5月〜7月の日曜日を中心に集中講義・実習形式で開講する。
なお開講にあたっては、受講生の所属するキャンパスの配置や受講形態にも配慮し、オンライン・オンデマンド型で実施する。
データ科学イノベーション教育研究センター所属教員と出身教員等（ゲストスピーカー）が、以下の内容や関連した手法について合計15回のリレー講義と演習を行う。

1.　導入
2.　クロス集計表
3.　区間推定
4.　2群間の平均の差
5.　分散分析
6.　相関
7.　回帰
8.　因果推論
9.　まとめ

なお、各教員は、各自の様々な専門領域でのデータ科学実用例などを講義・実習で用いる予定である。

特になし

7人程度の教員が分担するが、各教員が個別に課す課題（15％程度）を合計して評価する。

参考書の確認、リアクションペーパーの提出などを求める。
また、オンデマンド型動画を活用した反転学習も一部取り入れるので、授業前に指定した動画の閲覧や質問の提出を求める。

【メディア授業科目】
講義中に教員との連絡方法について指示する。

The purpose of this course is to obtain the basic knowledge and academic skills to prepare yourself in conducting research activities as a graduate student. The contents of the course include: 1) library instruction to develop search skills online and offline, 2) campus information services and their adequate use, 3) practical issues on information network and computers in relation to the campus information system, and 4) information security and ethics.

Students learn the effective search skills of library collection and how to utilize the academic information for their studies, as well as the manners and ethics when publishing his/her works as academic papers.

Students acquire basic knowledge in utilizing computers, LAN and internet for academic studies.

Students know campus information services such as KUINS and can use them adequately in his/her laboratory.

Students know and can practice the rules to follow in using computers and networks for academic activities in the university recognizing issues in information security and ethics.

Course is given as an intensive course of four class hours. It treats the following topics:
1) Utilization of university library, information search and publication (1 class hour)
2) Basics of information network (1 class hour)
3) Usage of campus information services (1 class hour)
4) Information security and ethics (1 class hour)

特になし

Grades are based on participation to classes, and submission of assignments. Completion of information security e-learning provided by the Institute for Information Management and Communication (IIMC) is required.

Students are required to complete Information Security e-Learning by IIMC in advance. They are also required to submit several assignments.

【This course is held online（メディア授業科目）】
Survey on students’ knowledge and skills in information literacy will be carried out in class. Course materials will be provided electronically. To attend classes with a device such as a laptop PC to refer the downloaded materials is desirable.

大量データの解析方法を扱うデータ科学は、科学研究のみならず高度情報化社会を支える基礎となりつつある。最近では、コンピュータ上で複雑な現象を再現する数値シミュレーションの分野でもデータ科学の有用性が高まっている。例えば、気象予測においては、観測から得られる情報を数値シミュレーションに取り入れる「データ同化」と呼ばれる統計科学的な手法が用いられており、予測の精度向上に威力を発揮している。また、数値シミュレーションを用いた不確実性の評価、リスク評価などにおいてもデータ科学の手法が有効である。本講義では、気象予測・予報で用いられるデータ同化を中心に、数値シミュレーションによる現象の再現・予測・不確実性評価などに利用されている統計的手法を取り上げ、その基本的な考え方や実装方法を基礎から解説する。

データ同化などの基礎となる空間データ解析、時系列データ解析手法の基本的な考え方を理解し、それらが数値シミュレーションの分野でどのように活用されているかを理解する。

(1) 導入と数学的準備
背景，確率分布，行列の計算
(2) 最小二乗法とその拡張
最小二乗法，拘束付き最小二乗法，ベイズ推定の基礎
(3) カルマンフィルタ
カルマンフィルタ，その実装
(4) アンサンブルカルマンフィルタ
アンサンブルカルマンフィルタ
(5) アンサンブル変換カルマンフィルタ
アンサンブル変換カルマンフィルタ，局所化
(6) 4次元変分法
アジョイント法，4次元アンサンブル変分法
(7) 粒子フィルタ
粒子フィルタ
(8) 時間があれば，その他関連する話題を紹介する

共通教育における微積分学・線形代数学・統計学入門程度の内容を理解していることが望ましい。
また、プログラミング(言語は問わない)や数値計算の入門程度の知識があることが望ましい。

講義中に課すレポートの内容により、到達目標への到達度を評価する。

予習の必要はないが、「データ科学：理論から実用へ演習」を受講するなどして復習を行うことが望ましい。

講義中に教員との連絡方法について指示する。

講義科目「データ科学：理論から実用へ」の内容について、実データとコンピュータによる実践的演習を集中講義として行う。

「データ科学：理論から実用へ」の内容について、講義中に開設した数理的理論に基づいてコンピュータを用いて実データを処理する手法を習得する。

システムの時間発展を再現するために、データの情報を数値シミュレーション取り入れる手法である「データ同化」について、すぐにプログラム作成可能な単純なシステムを題材に、基本的な手法をPython言語で実装する実習を行う。手法としては、次の中から進度と理解度に応じて選択する。最小二乗法、拘束付き最小二乗法、カルマンフィルタ、アンサンブルカルマンフィルタ、アンサンブル変換カルマンフィルタ、粒子フィルタ、アジョイント法

「データ科学：理論から実用へ」を履修していることを前提とするが、内容を自習することにより本講義だけを受講することも可能である。必要な知識は「データ科学：理論から実用へ」に準ずる．演習ではPython言語を使用する．Pythonプログラミングの経験がない者の受講は妨げないが、何らかのプログラミング言語および数値計算の入門程度の知識があることが望ましい。

演習課題によって評価する。

「データ科学：理論から実用へ」の内容を復習・自習して臨むことが望ましい。

データ科学は科学研究の基本の一つであり，本学においても研究科を問わず，多様な分野において活用されている．データ科学の範疇はデータの処理・分析だけではなく，データの収集・整理，分析結果の公表・評価まで多岐に亘るが，一方で分野それぞれ得意とするもしくは重要視する範疇は異なることがある．本科目ではその欠を補うため，それらデータ科学の知識と技術を総合的に習得することを目的とする．習得には，データ科学イノベーション教育研究センターの提供するデータサイエンススクール等の課外スクールにおける講義演習を通じて行う．スクールでは様々な分野でデータを扱う専門家に登壇してもらい，分野横断的にデータ科学を展望することを目指す．

多角的なデータ科学の素養（収集，整理，処理，分析，公表，評価）を身につけることを目標とする．その到達のために，講義によってデータ科学的手法の知識を習得し，同時に演習によってその技術を習得する．

データ科学イノベーション教育研究センターが前期期間に提供するデータサイエンススクール等の課外スクールにおいて，データ科学的手法を体験しながら実践的に学ぶ．スクールは講義と演習を組とする形式で行われる．スクール当日の講義演習を行うだけでなく，スクール毎に設定されるレポート課題に取り組む．スクールの開講については，後日掲示やKULASIS，PandA等で開講するスクールの概要・準備内容・参加要項の連絡を行う．令和7年度は 「機械学習トレーニング」など６月〜９月の間に開講を予定している．また，詳細や過去の実績は以下のURLのスクールの情報サイトにも掲載する．http://ds.k.kyoto-u.ac.jp/events/

データサイエンススクールに前期期間で述べ8時間以上参加できること（1時間は90分1コマの換算）．

データ科学イノベーション教育研究センターにおいて複数回実施されるデータサイエンススクール等の課外スクールに，前期期間で合計8時間以上参加すること（1時間は90分1コマの換算）．各スクールは2時間もしくは4時間で構成される．スクールでの演習内容とスクール毎に設定されるレポート課題を提出する．レポート課題にはプログラミング演習も含む可能性がある．そのレポートの内容によって到達目標への到達度を評価する．

データサイエンススクールの内容を深く理解するために，自己所有PCや計算機室の利用などによって，学生各自で演習の復習を行うこと．

【メディア授業科目】

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 8/5, 8/6, 8/8
KATSURA Campus on the following dates: 8/19, 8/20, 8/22
YOSHIDA Campus on the following dates: 8/26, 8/27, 8/29

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This includes recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 8/5, 8/6, 8/8
KATSURA Campus on the following dates: 8/19, 8/20, 8/22
YOSHIDA Campus on the following dates: 8/26, 8/27, 8/29

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This includes recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.

This course is designed to provide graduate students with an opportunity to develop their ability and confidence when presenting field-specific content to an informed audience. Giving presentations in an academic setting, whether it is in a classroom, laboratory context, or at a conference, has become increasingly necessary for students at the graduate level. Course content extends from how to greet the audience to how to answer audience questions.

Students successfully completing this course will be able to do the following:
・Create an appropriate presentation slideshow for a conference or a research laboratory presentation;
・Clearly introduce and provide an overview of the talk through appropriate signposting;
・Properly display visual aids to enhance audience understanding of research data;
・Use posture and movement to engage the audience;
・Use gestures, voice, and eyes to emphasize information and connect with the audience;
・Produce a research presentation; and
・Answer audience questions.

Session 1: Introductions, conferencing, and networking
Session 2: Structure of academic presentations
Session 3: Information Organization: From greetings to goodbyes
Session 4: Body language and gestures
Session 5: Creating effective slideshows and displaying research data
Session 6: Explaining data
Session 7: Answering basic research and audience questions
Session 8: Student presentations and instructor feedback

* Please note that this course will take place at:

YOSHIDA Campus on the following dates: 8/5, 8/6, 8/8
KATSURA Campus on the following dates: 8/19, 8/20, 8/22
YOSHIDA Campus on the following dates: 8/26, 8/27, 8/29

Students can sign up for only one of these courses.

Tuesday (2-3-4 periods)
Wednesday (2-3-4 periods)
Friday (2-3 periods)

This course has a limit set on student enrollment to 20 students. In the case where many students wish to enroll in class, a lottery system will decide inclusion.

*本科目は、KULASISでの履修登録を行いません。7月頃、履修申込を受け付ける予定です。詳細は別途周知します。／ The course registration is not conducted via KULASIS. Application is scheduled to be accepted around July, and the details will be announced separately.

20% Active Participation*
20% Slideshow Creation
60% Main (30%) and Minor (30%) Presentations

*Be sure to attend all class sessions. Grading occurs throughout the course during class presentations. Any absences during these grading times will result in a score of "0" for graded presentations and tasks.

Students will be asked to work on several smaller in-class talks and one larger presentation as their primary out-of-class homework assignment. This includes recording your own presentations and uploading them to Google Drive.

Students will use Google Drive during presentations, with specific focus on Google Docs and Google Slides. Some computer skills are required, though most in-class work can be performed on a smartphone or a tablet. Familiarity with Google Docs and Slides is not required--only the willingness to learn the basics of these skills.

‐

‐

‐

日本語・日本文化研修留学生限定

‐

‐

次世代シーケンサー（NGS）の台頭により、生命科学研究においてもこれまでとは桁違いのビッグデータをベースに研究をすることが必須になってきている。これからの生命科学研究者はその膨大な情報を自ら読み、理解し、解析する力が問われている。

本講義では、これまでのシーケンス技術の発展を歴史的に俯瞰し上で、実際にNGSを用いた最前線の研究例を紹介する。さらに演習では、NGSが出力するデータに実際に触れ、化学研究所のスパコンを用いてUNIXや解析ソフトウェアによる解析を行い、数字・文字の羅列であるビッグデータから、生物学的な意味を抽出する。ビッグデータを扱ったことのない初学者でも、2日間の講義・演習でNGS解析ができるレベルにまで引き上げることが目標である。

[1] 次世代シーケンサーの原理・特徴について説明でき、様々な解析手法と応用研究について理解できること。
[2] 基本的なUNIXコマンドについて理解し、ターミナル上で自由に操作することができること。
[3] 次世代シーケンサーが出力するファイル形式を理解し、その解析に必要なソフトウェアについて理解・操作することができること。
[4] 次世代シーケンサーが出力する数字・文字の羅列であるビッグデータから、生物学的な意味を抽出できること。
[5] スパコンの仕組みを理解し、実際に接続し、計算を行うことができること。

9月11日(木)と9月12日(金)の2日間で実施する。授業計画と内容については初日の講義で改めて説明する。

9月11日（木）（1日目）　講義・演習
2限目　（講義1） 山本拓也（iPS細胞研究所）：次世代シーケンサー(NGS)を用いたiPS・ES細胞研究について
3限目　（演習1） UNIXの基本的なコマンド操作・ターミナル操作方法の習得
4限目　（演習2） UNIXによるテキスト処理
5限目　（演習3） NGSに関連する配列データフォーマットの解説
　　　　
9月12日（金）（2日目）　講義・演習
2限目　（演習4） RNA-seq解析（１）：ショートリードのゲノム配列へのマッピング
3限目　（演習5） RNA-seq解析（２）：発現変動遺伝子の抽出
4限目　（演習6） RNA-seq解析（３）：Rを用いたデータ解析・生物学的意味の抽出
5限目　（演習7） RNA-seq解析（４）：Rを用いたデータ解析・生物学的意味の抽出

本演習では、受講生のPCを用いて、京都大学化学研究所のスパコンにリモート接続し、シェルを用いて計算を行う。PCのOSはWindows/Macの種類を問わないが、HDDの空き容量に余裕があること、メモリは8GB以上あることが望ましい。UNIXやスパコンの使用経験は問わない。低スペックのPCしか持っていない受講者に対しては、生命科学研究科のMacbookを貸与できる。ただしその台数（35台）に限りがあるため、希望者が一定数を上回った場合は、生命科学研究科の履修希望者へ優先して貸与する。貸与希望の調査についてはおってその旨をPandA等を通じて連絡する。

対面形式での演習を予定しているが、履修希望者数が一定数を上回った場合は、オンライン形式での受講措置等を講じることがある。またこれに関わらず、社会的状況を考慮して全面的にオンライン形式で開講する可能性もある。詳細については追って通知するので注意すること。

2日間の講義と演習に全て出席した上で、課題を提出することを成績評価の前提とする。詳細については開講時に説明する。

あらかじめ下記のサイトの「UNIX基本コマンド」「R入門」を読んでおくことが望ましいが、必須ではない。 https://github.com/nibb-unix/gitc2017a-unixr/wiki

連絡担当教員：山野隆志　メールアドレス： tyamano@lif.kyoto-u.ac.jp

※オフィスアワーの詳細については、KULASISで確認してください。

この科目は前期集中科目ですが、採点登録・成績開示は後期科目と同時期に行います。

ガラス・液晶に関しての基礎物理について講義を行い、これを理解することを目標とする。同時にこれらの工業製品開発の歴史の講義を行い、産業形成、技術開発、企業戦略、マーケティングなどの項目を概説し、科学技術と産業との関係を理解する。また、企業経営者の視点と基礎科学研究者の視点の双方から、日本の産業・経済構造を概観し、これから必要とされるリーダー像を概説して、これを理解することを目的とする。

ガラス・液晶など、主要な工業製品と基礎科学的な発見と研究、および企業における製品開発の歴史やマーケティングを学び、物質科学の原理と製品性能向上の関係性を理解する。また、基礎科学的な研究者と企業経営者の2つの視点を理解し、今後の日本の産業・経済の発展や、それを牽引できるリーダー像について理解する。

・経営者の視点と研究者の視点から日本の産業に関する考察を行う
・直接仕事で関与した液晶ディスプレイ、ガラスに関して、その歴史、産業の歩み、技術を紹介する中で上記の考察を進める。()内は講義時間の目安
①企業における技術経営１ （１）・・・講師の経歴紹介を兼ねて
②液晶ディスプレイの基礎技術と産業 （３）
③ガラスの物理と産業技術 （３）
④マーケティングと新事業 （１）
⑤グローバル企業における研究者 （１）・・・これからのグローバルで活躍する研究者像、学位
⑥企業における技術経営２ （１）・・・会社での開発の仕組み、産学連携、リーダー像
・①から④までは通常の講義方式として、⑤と⑥は双方向でコミュニケーション講義を実施
・双方向コミュニケーション講義では最初30〜45分程度で講師が話題提供。その後、聴講者の意見を自由に述べてもらい、講師との双方向コミュニケーションを図る。
・テーマは、⑤では、産業に貢献する研究者像とは（学位の在り方、日本人の働き方、等も考慮）⑥では、産学連携での産と学の役割（日本と欧米の差異）、今後求められるリーダー像とする。
・聴講学生はレポートを提出する（レポートは下記の成績評価の対象となる）。

基礎統計力学、電磁気学（学部卒業程度）の履修を前提とする。

・評価は、講義への出席50％、レポート50％（レポートはA4で各2〜4枚程度、自由記載）
・レポートには、⑤と⑥の双方向コミュニケーションのテーマに関する自分の意見・提案を記載すること。
・講義中の発言はその旨記載すること（講義中の発言は加点対象とする）
・レポートは①〜③に関して１報、④〜⑥に関して１報とし講義最終回後に提出する。

特になし

特になし

本科目では、理学研究科数学・数理解析専攻と数理解析研究所が共同で主催する「数学・数理科学グローバル特別講義」シリーズとして実施される複数の集中講義の中から、学生がいずれか一つを選んで履修する。各「数学・数理科学グローバル特別講義」は、代数・幾何・解析・応用数学など数学・数理科学の諸分野で特に目覚ましい発展をとげている研究について、第一人者の研究者が簡単な背景から将来の展望にいたるまでを入門的に解説する集中講義である。なお、「数学・数理科学グローバル特別講義」の講師の多くは海外研究者である。

数学はその普遍的な性質により、自然科学は勿論のこと、情報科学や社会科学など多くの分野に共通する理論的基盤となっており、現在でも新たな理論が次々と生まれている。本科目は、数学・数理科学の様々なテーマに触れることで諸分野における数学のポテンシャルを知る機会を提供し、数学・数理科学を基盤とする分野の大学院生の視野を広げるとともに、研究へのモチベーションを高めることを目的とする。

特別講義で扱われるテーマについて、その背景と将来の展望について理解するとともに、そこで展開される数学に関する知見が深まる。また、学生自身の研究に対するモチベーションが高まる。

理学研究科数学・数理解析専攻と数理解析研究所が共同で主催する「数学・数理科学グローバル特別講義」シリーズのうち、前期に開講される特別講義の中からいずれか一つを学生自らが選んで受講する（注1）。各「数学・数理科学グローバル特別講義」は8コマからなる集中講義であり、数学・数理科学の諸分野で近年発展している研究について、第一人者の研究者がその背景や他分野との関わりから今後の展望にいたるまでを俯瞰的・入門的に解説する。学生は講義に出席するとともに、集中講義期間中に提示されるレポート課題にも取り組む。特別講義の講師が海外研究者の場合、その講義は原則として英語で行われる。

（注1）2025年度前期には以下の講師による複数の集中講義を「数学・数理科学グローバル特別講義」シリーズとして開講予定。

講師：Adeel Khan（Academia Sinica、代数幾何学・幾何学分野）
講師：Nadir Matringe（Institut de Mathematiques de Jussieu-Paris Rive Gauche、数論分野）
講師：Tai-Peng Tsai（University of British Columbia、PDE分野）
講師：Neal Bez（名古屋大学、実解析分野）

各「数学・数理科学グローバル特別講義」の日程、内容、受講登録方法については、後日掲示やKULASIS，PandA等で連絡する。また、本科目は「数学・数理科学イノベーション人材育成強化コース（通称：数学・数理科学コース）」を構成する科目であり、本科目で受講対象となる「数学・数理科学グローバル特別講義」の詳細は以下のコースwebサイトにも掲載する：
https://www.math.kyoto-u.ac.jp/ja/ktgu/courses


（注2）同期開講の複数の特別講義を履修しても、本科目の習得単位は1単位であるので注意すること。

各自が選択する「数学・数理科学グローバル特別講義」で扱われるテーマについては関係分野に関する学部レベルの数学的知識があることが望ましい。

各自が選択した「数学・数理科学グローバル特別講義」への参加取り組み状況（50％）とレポート課題（50％）により総合的に評価する。

選択した特別講義に関係する数学的な内容について各自で学習すること。

本科目は「数学・数理科学イノベーション人材育成強化コース（通称：数学・数理科学コース）」を構成する科目であるが、コース履修に関わらず本科目のみ履修することも可能である。

金融の実務を知る講義担当者の視点から「金融工学」についての講義を行う．前半の講義では金融工学の基礎として債券のプライシングと株式のポートフォリオ理論について解説を行う．後半では主に証券分析の基礎として財務諸表分析を概観し，その後，リスク量計測手法とデリバティブ評価方法について解説を行う．

Lecture on financial engineering is given by researchers who are familiar with practice of finance. The first half of this lecture gives foundation of bond pricing and portfolio theory of stocks. The second half of this lecture deals with basics of financial statement analysis, measurement of risks and evaluation of derivatives.

金融実務で使用されている様々な専門用語や分析手法を理解し，実際の金融業務に携ったときに適切な手法を選択し，問題が解決できるようになること．

I　プライシングの基礎とポートフォリオ理論
　１．現在価値と債券のプライシング
　　・現在価値と債券価値の基礎
　　・金利の期間構造
　　・信用リスクと債券価格
　２．ポートフォリオ理論
　　・平均分散モデル
　　・CAPM
　　・アセットアロケーション
　　・サステナブル投資
II　資産価値の評価とリスク量計測手法・デリバティブ評価
　３．財務諸表分析と資産価値の評価
　　・財務諸表分析の基礎
　　・企業の株式価値評価
　４．リスク量計測手法とデリバティブ評価
　　・金融機関が抱える各種のリスク
　　・リスク量の評価
　　・デリバティブ評価

I　Foundation of Pricing Theory and Portfolio Theory
　1. Present Value and Bond Pricing
　 　-Foundation of Present Value and Bond Pricing
　 　-Term Structure of Interest Rate
　 　-Credit Risk and Bond Pricing
　2. Portfolio Theory
　 　-Mean-Variance Model
　 　-CAPM
　 　-Asset Allocation
　 　-Sustainable Investing

II　Valuation of Assets, Measurement of Risks and Evaluation of Derivatives
　3. Financial Statement Analysis and Valuation of Assets
　 　-Foundation of Financial Statement Analysis
　 　-Valuation of the Stock Price of Companies
　4. Measurement of Risks and Evaluation of Derivatives
　 　-Various Risks of Financial Institutions
　 　-Calculation of Risk Amount
　　 -Derivative Pricing and Monte Carlo Simulation

講義は日本語で進める. 基礎的な金融工学の知識，およびExcelやプログラミングで簡単な分析が行えることが望ましい．講義の際は, 実際にExcelを活用したり, Google Colabを用いたハンズオン形式で進める.
必要環境：ノートPC（ExcelやGoogle Colabを用いたPythonを使用）、ネットワークがつながる環境

The lecture will be conducted in Japanese. Basic knowledge of financial engineering and the ability to perform simple analysis using Excel and programming are desirable. The lecture will be conducted in a hands-on style using Excel and Google Colab.
Required environment: Notebook-PC (using Excel and Python with Google Colab), network connection.

最終レポートによる評点(100%)．講義の内容を理解できているか，レポートの書き方が適切であるかを評価の基準とし，情報学研究科成績評価規程第7条による成績評価を行う．

この講義では特に予習，復習の必要はない．講義中に疑問に思ったことや，実務の問題としてより詳細に内容を知りたいときは講義内または講義後に適宜質問すること．

IT化とネットワーク化が進行し、情報システムが企業活動・学術活動に不可欠になった現代において、そこに潜む脆弱性を狙ったサイバー攻撃により社会が大きな影響を受けることが問題となっている。本講義では、インターネットおよび組織内ネットワークを利用する際に知っておくべき知識、例えば、安全確保、攻撃からの防御と運用の継続、消されたデータの復旧、法制度などについて、システム管理者・利用者の視線に立ちながら最新技術を交えて講述する。

情報システムを利用する上での危険性を認識するとともに、その対策の概要を知る。

開講日程：
4月11日(金)、18(金)、25日(金)
5月2(金)、9日(金)、16日(金)、30日(金)
各4-5限
期末試験・フィードバック：
6月6日(金) 4-5限

[基礎技術]
ネットワーアーキテクチャ: IPv4、IPv6、TCP、UDP
サイバー攻撃と防御技術:マルウェア、脆弱性攻撃、不正アクセス検知、アンチウィルス、ブロックチェーン、オニオンルーティング

[攻撃技術]
ソーシャルエンジニアリング
脆弱性探索: ペネトレーションテスト、倫理的ハッキング、レインボーテーブル
攻撃の自動化: AIによる脆弱性自動探索と攻撃プログラム自動作成

[防御技術]
自動防御プログラム: 攻撃検知から防御プログラム生成
デジタルフォレンジックス: 消されたデータの復旧作業の手順と実態
サイバーインテリジェンスと状況把握: オープンソース情報、DarkWeb情報などの分析による状況把握

[統合運用]
国内・国外の法制度: 著作権法、不正アクセス禁止法、IoT対策など
サイバーにおけるグループ管理: インシデント発生時の危機管理

特になし

講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。

受講に際し特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。

講義日程　9月4日、5日（2限〜5限）

システムやソフトウェアの開発プロセスを分解すると、次のように分けられる。
Ａ．問題点やニーズを見つけ出し、それへの解決策を練ること
Ｂ．その解決策をシステムやソフトウェアに実装できるよう定義すること
このうちＡを実践する有力なツールに「デザイン思考」がある。また、Ｂのプロセスは
専門的には「業務要件定義」と呼ばれ、現場の要求を正確にプログラマーに伝える重要なやり取りである。なお実際にはこの後に、プログラミングしてそれを実現することが続く。
本科目では、このＡにあたる「デザイン思考」を講義と演習によって習得する。

「デザイン思考」は社会にイノベーションを起こす一つの有効な手段として、近年注目されるようになった課題解決アプローチである。目まぐるしく変化する現代社会において、顧客の思考やユーザの要望を実現させる上で、真意を正確に把握することは決して簡単ではない。本講義ではデザイン思考を大きく「課題の発見」と「課題の解決」に分けて、そのプロセスについて学ぶ。これにより、あらゆる問題に対して臆することなく、真の課題の発見と解決ができるスキルを習得する。

「情報学ビジネス実践講座」：京都大学と協力企業（ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気）が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。
詳細は講座ホームページ（ https://www.project.gsm.kyoto-u.ac.jp/pib/ ）参照
非常勤講師：ＮＴＴデータグループ　津村 秀明 様

デザイン思考のマインドとプロセス（共感、問題定義、アイデア創出、プロトタイピング、検証の５つのステップ）を理解し、新しい課題に対して、デザイン思考の順序にしたがって課題を解決できるようにする。

8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。

1. 基本知識の講義
(1)デザイン思考とはどのようなアプローチ法か
(2)デザイン思考を行なう上で必要なマインドや成果物（アイデアスケッチ、リーンキャンバス、プラグマティックペルソナ、ユーザージャーニーマップ、ユーザストーリーマップ、UXプロトタイプなど）とその活用場面、活用方法

2. グループワークによるデザイン思考の実践と習得
(1)課題発見フェーズ
ビジネスのコンテキストを整理し、課題を網羅的に洗い出した上で、解くべき最大の課題を発見する

(2)課題詳細化フェーズ
課題を抱えたユーザの現状の行動順序などを分析して課題を詳細化する。

(3)解決方法探索フェーズ
個人でアイデアを出した上でペアレビューで多様な視点を追加し、アイデアスケッチにまとめるビジネスモデルやユーザストーリーを設計し、ユーザの行動順序とマッピングする。設計したモデルをグループごとに発表し、他グループからフィードバックを得る

(4)プロトタイピングフェーズ
UXの改善が重要なユーザストーリーについて、具体的なUXをスケッチ等でプロトタイプとして可視化する。ユーザストーリーとプロトタイプをグループごとに発表し、他グループからフィードバックを得る

(5)展開確認フェーズ
想定した課題が想定した解決方法で改善しているかどうか定量的に検証する

(6)全体振り返り
デザイン思考の実践方法を学習し、今後の研究活動などにどう活かせるか振り返りを行う。

非常勤講師のNTTデータグループ 津村 秀明氏は、DXを推進するための研究開発やデジタル技術を応用したサービス創出に関する戦略検討を担う。

特になし

講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。

受講に際し特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。

オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。
藤田　哲雄: fujita.tetsuo.3m@kyoto-u.ac.jp

※オフィスアワーの詳細については、KULASISで確認してください。

全てのものがインターネットと繋がり、データドリブンで社会課題が解決される世の中が到来しようとしている。そのような環境のなか、世の中にあふれるデータをどのように扱い、その中からいかに価値のある解決策を導きだせるかがこれからの社会において非常に重要となってくる。本講義では、データ分析について、その手法の習得にとどまらず、ビジネスにおいてどのようにデータを利活用すべきか、与えられた課題をデータ分析結果を用いていかに課題解決まで導くかを、一連の流れを実践形式で学習する。

ビジネス課題に対して、適切なデータ選定、データ分析ができる手法を習得し、データの分析に基づいた課題の解決策が提案できる。

8コマの集中講義を以下のような構成で進める。但し、学習の理解度に応じて内容を変更する場合がある。3章〜5章において、オンライン書店をテーマにした各種分析を行う演習により現場でのデータ分析を体験する。更に6章では、「訪日外国時の消費動向調査データ」「エンゲージメント」「ECサイトのユーザ属性」という3種類のデータから1つを選び、課題設定、データ分析、課題解決案作成をワーク（演習）で実施する。

■第1章　データ分析の概要（石山）
・ビッグデータとは／ビッグデータの活用
・データ分析の準備／データ分析の実施
・統計解析手法によるデータ分析とは
・データ分析手法の検討
■第2章　統計ソフトウェアＲの基本的な使い方（石山）
・R言語概要
・R基本操作
■第3章　基本的なデータ分析（石山）
・基本的なデータ分析
・ヒストグラム
・代表値、代表値を見るときのポイント
・データの可視化（グラフ化）、グラフを見るときのポイント
・【演習】データの要約による特性把握および考察、発表
■第4章　相関分析（石山）
・相関分析とは
・相関分析の実施（相関係数の算出）
・【演習】相関係数算出および考察
■第5章　回帰分析、判別分析（石山）
・回帰分析（線形回帰分析）
　- 回帰分析の実施（統計モデルの作成）
・【演習】回帰分析を用いた予測モデルの作成および考察、発表
・判別分析（ロジスティック回帰分析）
- ロジスティック回帰分析の実施（統計モデルの作成）
■第6章　データ分析による課題解決演習（石山）
・ユースケースに基づく、ビジネスデータ分析の解説
- 「訪日外国人の消費動向調査データ」他、各種データに適した課題設定、分析結果、提案内容の作成、発表
■最終課題（講義終了後）（藤田）
・課題設定と、それに適したデータセットの選択、データ分析、提案資料の作成、提出

統計学に関する入門講義を既に受講しているか、同等の知識を有することが望ましい。

講義でのディスカション等への貢献度、プレゼンテーション等の内容、講義終了後に提出されるレポートにより総合的に判断する。

受講に際し情報やITに関する特別の知識は必須ではないが、講義の効果を高めるため事前予習を課す場合がある。

オフィスアワーは特に設定しない。質疑はメールにて随時受け付ける。
藤田　哲雄: fujita.tetsuo.3m@kyoto-u.ac.jp

※オフィスアワーの詳細については、KULASISで確認してください。

「情報学ビジネス実践講座」：京都大学と協力企業（ANA・ANAシステムズ、NTTデータグループ、DMG森精機、東京海上日動火災保険・東京海上日動システムズ、三井住友フィナンシャルグループ・日本総合研究所、日本電気）が、デジタル時代の社会で活躍するために、ITとそのビジネスへの活用を実践的に学べる場を提供することを目的に設立した産学共同講座。
詳細は講座ホームページ（ https://www.project.gsm.kyoto-u.ac.jp/pib/ ）参照